WO2022177165A1 - 음성 인식 결과를 분석하는 전자 장치 및 방법 - Google Patents

음성 인식 결과를 분석하는 전자 장치 및 방법 Download PDF

Info

Publication number
WO2022177165A1
WO2022177165A1 PCT/KR2022/000655 KR2022000655W WO2022177165A1 WO 2022177165 A1 WO2022177165 A1 WO 2022177165A1 KR 2022000655 W KR2022000655 W KR 2022000655W WO 2022177165 A1 WO2022177165 A1 WO 2022177165A1
Authority
WO
WIPO (PCT)
Prior art keywords
feature information
domain
text
information
user
Prior art date
Application number
PCT/KR2022/000655
Other languages
English (en)
French (fr)
Inventor
전창용
Original Assignee
삼성전자주식회사
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 삼성전자주식회사 filed Critical 삼성전자주식회사
Priority to US17/745,328 priority Critical patent/US20220335946A1/en
Publication of WO2022177165A1 publication Critical patent/WO2022177165A1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/26—Speech to text systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/30—Semantic analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2457—Query processing with adaptation to user needs
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2457—Query processing with adaptation to user needs
    • G06F16/24578—Query processing with adaptation to user needs using ranking
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/903—Querying
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/903—Querying
    • G06F16/9032—Query formulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/903—Querying
    • G06F16/9032—Query formulation
    • G06F16/90332—Natural language query formulation or dialogue systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/903—Querying
    • G06F16/90335—Query processing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/903—Querying
    • G06F16/9038—Presentation of query results
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/16—Sound input; Sound output
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/16—Sound input; Sound output
    • G06F3/167—Audio in a user interface, e.g. using voice commands for navigating, audio feedback
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/279—Recognition of textual entities
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/08—Speech classification or search
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/08—Speech classification or search
    • G10L15/18—Speech classification or search using natural language modelling
    • G10L15/1822—Parsing for meaning understanding
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
    • G10L25/27—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the analysis technique
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/205—Parsing
    • G06F40/211—Syntactic parsing, e.g. based on context-free grammar [CFG] or unification grammars
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/279—Recognition of textual entities
    • G06F40/284—Lexical analysis, e.g. tokenisation or collocates
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
    • G10L2015/221—Announcement of recognition results
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
    • G10L2015/223—Execution procedure of a spoken command
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
    • G10L2015/226—Procedures used during a speech recognition process, e.g. man-machine dialogue using non-speech characteristics
    • G10L2015/228—Procedures used during a speech recognition process, e.g. man-machine dialogue using non-speech characteristics of application context

Definitions

  • the following disclosure relates to an electronic device and method for analyzing a speech recognition result. More specifically, it is related to a method and electronic device that verifies a piece of feature information related to a user's speech among the feature information previously stored in the domain determined by the learning model for the user's speech and enables the developer to analyze the results of the learning model. have.
  • the voice assistant may recognize a user's utterance and provide a service intended by the user.
  • a domain for recognizing the user's utterance and processing the service intended by the user must be appropriately determined. For example, when a user requests to search for nearby restaurants, whether to provide search results for nearby restaurants through a social app or a restaurant search result from a map app should be determined through a natural language processing process.
  • learning models based on machine learning may be used.
  • the learning model does not properly determine the domain to process the user's utterance, since the computation process itself of the learning model is difficult to analyze, the developer may have a limit in improving the performance of the learning model. Therefore, there is a need for a technology that enables the developer to check the data that has influenced the learning model to determine the domain to properly process the user's utterance.
  • an electronic device capable of analyzing a cause for which the domain predicted by the user is not determined
  • the electronic device includes a display module that provides information to the outside of the electronic device, a processor electrically connected to the display module, and a memory electrically connected to the processor, wherein the processor is configured to respond to user utterance.
  • generate feature information of the text based on a corresponding text, determine an output domain for processing the user utterance based on the feature information of the text, identify an expected domain predetermined by a user, and Extract feature information related to the output domain and feature information related to the prediction domain from a memory, and display the feature information related to the output domain and feature information related to the prediction domain using the display module .
  • an electronic device comprising: a display module configured to provide information to the outside of the electronic device; a processor electrically connected to the display module; a memory electrically connected to the processor, wherein the processor is configured to generate feature information of the text based on text corresponding to the user utterance, and process the user utterance based on the generated feature information.
  • a domain may be determined, feature information related to the output domain may be extracted from the memory, and feature information related to the output domain may be displayed using the display module.
  • a method of analyzing a speech recognition result may include: generating feature information of the text based on a text corresponding to a user utterance; determining an output domain for processing the user utterance based on the feature information of the text; identifying an expected domain predetermined by the user; extracting feature information related to the output domain and feature information related to the prediction domain; and displaying feature information related to the output domain and feature information related to the expected domain.
  • the following disclosure addresses the above-mentioned problems and/or disadvantages and may provide at least the advantages described below. According to various embodiments disclosed in this document, since feature information related to the user's utterance can be checked among feature information previously stored in the domain determined by the learning model for the user's utterance, the developer can analyze the result of the learning model.
  • FIG. 1 is a block diagram of an electronic device in a network environment, according to various embodiments of the present disclosure
  • FIG. 2 is a block diagram of a module for analyzing a voice recognition result in an electronic device according to an exemplary embodiment.
  • FIG. 3 illustrates a text corresponding to a user's utterance and classification information of the text according to an exemplary embodiment.
  • FIG. 4 is a diagram illustrating an example of feature information of a text corresponding to a user utterance, according to an embodiment.
  • FIG. 5 is a diagram illustrating an interface for inputting a predicted domain, according to an embodiment.
  • FIG. 6 is a diagram illustrating an interface for displaying feature information of an expected domain and an output domain, according to an embodiment.
  • FIG. 7 is a diagram illustrating an example of an interface for displaying feature information of an expected domain and an output domain, according to an embodiment.
  • FIG. 8 is a diagram illustrating a graph indicating a weight of classification information for each domain, according to an embodiment.
  • FIG. 9 is a diagram illustrating an interface indicating a weight and frequency of feature information for a domain, according to an embodiment.
  • FIG. 10 is a flowchart of a method of analyzing a voice recognition result according to an exemplary embodiment.
  • FIG. 11 is a block diagram illustrating an integrated intelligence system according to an embodiment.
  • FIG. 12 is a diagram illustrating a form in which relation information between a concept and an action is stored in a database, according to an embodiment.
  • FIG. 13 is a diagram illustrating a user terminal displaying a screen for processing a voice input received through an intelligent app, according to an embodiment.
  • FIG. 1 is a block diagram of an electronic device 101 in a network environment 100, according to various embodiments.
  • an electronic device 101 communicates with an electronic device 102 through a first network 198 (eg, a short-range wireless communication network) or a second network 199 . It may communicate with at least one of the electronic device 104 and the server 108 through (eg, a long-distance wireless communication network). According to an embodiment, the electronic device 101 may communicate with the electronic device 104 through the server 108 .
  • a first network 198 eg, a short-range wireless communication network
  • a second network 199 e.g., a second network 199
  • the electronic device 101 may communicate with the electronic device 104 through the server 108 .
  • the electronic device 101 includes a processor 120 , a memory 130 , an input module 150 , a sound output module 155 , a display module 160 , an audio module 170 , and a sensor module ( 176), interface 177, connection terminal 178, haptic module 179, camera module 180, power management module 188, battery 189, communication module 190, subscriber identification module 196 , or an antenna module 197 .
  • at least one of these components eg, the connection terminal 178
  • some of these components are integrated into one component (eg, display module 160 ). can be
  • the processor 120 for example, executes software (eg, a program 140) to execute at least one other component (eg, a hardware or software component) of the electronic device 101 connected to the processor 120. It can control and perform various data processing or operations. According to one embodiment, as at least part of data processing or operation, the processor 120 converts commands or data received from other components (eg, the sensor module 176 or the communication module 190 ) to the volatile memory 132 . may be stored in , process commands or data stored in the volatile memory 132 , and store the result data in the non-volatile memory 134 .
  • software eg, a program 140
  • the processor 120 converts commands or data received from other components (eg, the sensor module 176 or the communication module 190 ) to the volatile memory 132 .
  • the volatile memory 132 may be stored in , process commands or data stored in the volatile memory 132 , and store the result data in the non-volatile memory 134 .
  • the processor 120 is the main processor 121 (eg, a central processing unit or an application processor) or a secondary processor 123 (eg, a graphic processing unit, a neural network processing unit (eg, a graphic processing unit, a neural network processing unit) a neural processing unit (NPU), an image signal processor, a sensor hub processor, or a communication processor).
  • the main processor 121 eg, a central processing unit or an application processor
  • a secondary processor 123 eg, a graphic processing unit, a neural network processing unit (eg, a graphic processing unit, a neural network processing unit) a neural processing unit (NPU), an image signal processor, a sensor hub processor, or a communication processor.
  • the main processor 121 e.g, a central processing unit or an application processor
  • a secondary processor 123 eg, a graphic processing unit, a neural network processing unit (eg, a graphic processing unit, a neural network processing unit) a neural processing unit (NPU), an image signal processor, a
  • the secondary processor 123 may, for example, act on behalf of the main processor 121 while the main processor 121 is in an inactive (eg, sleep) state, or when the main processor 121 is active (eg, executing an application). ), together with the main processor 121, at least one of the components of the electronic device 101 (eg, the display module 160, the sensor module 176, or the communication module 190) It is possible to control at least some of the related functions or states.
  • the coprocessor 123 eg, an image signal processor or a communication processor
  • may be implemented as part of another functionally related component eg, the camera module 180 or the communication module 190 ). have.
  • the auxiliary processor 123 may include a hardware structure specialized for processing an artificial intelligence model.
  • Artificial intelligence models can be created through machine learning. Such learning may be performed, for example, in the electronic device 101 itself on which the artificial intelligence model is performed, or may be performed through a separate server (eg, the server 108).
  • the learning algorithm may include, for example, supervised learning, unsupervised learning, semi-supervised learning, or reinforcement learning, but in the above example not limited
  • the artificial intelligence model may include a plurality of artificial neural network layers.
  • Artificial neural networks include deep neural networks (DNNs), convolutional neural networks (CNNs), recurrent neural networks (RNNs), restricted boltzmann machines (RBMs), deep belief networks (DBNs), bidirectional recurrent deep neural networks (BRDNNs), It may be one of deep Q-networks or a combination of two or more of the above, but is not limited to the above example.
  • the artificial intelligence model may include, in addition to, or alternatively, a software structure in addition to the hardware structure.
  • the memory 130 may store various data used by at least one component (eg, the processor 120 or the sensor module 176 ) of the electronic device 101 .
  • the data may include, for example, input data or output data for software (eg, the program 140 ) and instructions related thereto.
  • the memory 130 may include a volatile memory 132 or a non-volatile memory 134 .
  • the non-volatile memory 134 may include an internal memory 136 and an external memory 138 .
  • the program 140 may be stored as software in the memory 130 , and may include, for example, an operating system 142 , middleware 144 , or an application 146 .
  • the input module 150 may receive a command or data to be used by a component (eg, the processor 120 ) of the electronic device 101 from the outside (eg, a user) of the electronic device 101 .
  • the input module 150 may include, for example, an input module, a mouse, a keyboard, a key (eg, a button), or a digital pen (eg, a stylus pen).
  • the sound output module 155 may output a sound signal to the outside of the electronic device 101 .
  • the sound output module 155 may include, for example, a speaker or a receiver.
  • the speaker can be used for general purposes such as multimedia playback or recording playback.
  • the receiver can be used to receive incoming calls. According to one embodiment, the receiver may be implemented separately from or as part of the sound output module.
  • the display module 160 may visually provide information to the outside (eg, a user) of the electronic device 101 .
  • the display module 160 may include, for example, a control circuit for controlling a display module, a hologram device, or a projector and a corresponding device.
  • the display module 160 may include a touch sensor configured to sense a touch or a pressure sensor configured to measure the intensity of a force generated by the touch.
  • the audio module 170 may convert a sound into an electric signal or, conversely, convert an electric signal into a sound. According to an embodiment, the audio module 170 acquires a sound through the input module 150 , or an external electronic device (eg, a sound output module 155 ) connected directly or wirelessly with the electronic device 101 .
  • the electronic device 102) eg, a sound output module or headphones
  • the sensor module 176 detects an operating state (eg, power or temperature) of the electronic device 101 or an external environmental state (eg, a user state), and generates an electrical signal or data value corresponding to the sensed state. can do.
  • the sensor module 176 may include, for example, a gesture sensor, a gyro sensor, a barometric pressure sensor, a magnetic sensor, an acceleration sensor, a grip sensor, a proximity sensor, a color sensor, an IR (infrared) sensor, a biometric sensor, It may include a temperature sensor, a humidity sensor, or an illuminance sensor.
  • the interface 177 may support one or more specified protocols that may be used by the electronic device 101 to directly or wirelessly connect with an external electronic device (eg, the electronic device 102 ).
  • the interface 177 may include, for example, a high definition multimedia interface (HDMI), a universal serial bus (USB) interface, an SD card interface, or an audio interface.
  • the connection terminal 178 may include a connector through which the electronic device 101 can be physically connected to an external electronic device (eg, the electronic device 102 ).
  • the connection terminal 178 may include, for example, an HDMI connector, a USB connector, an SD card connector, or an audio connector (eg, a headphone connector).
  • the haptic module 179 may convert an electrical signal into a mechanical stimulus (eg, vibration or movement) or an electrical stimulus that the user can perceive through tactile or kinesthetic sense.
  • the haptic module 179 may include, for example, a motor, a piezoelectric element, or an electrical stimulation device.
  • the camera module 180 may capture still images and moving images. According to an embodiment, the camera module 180 may include one or more lenses, image sensors, image signal processors, or flashes.
  • the power management module 188 may manage power supplied to the electronic device 101 .
  • the power management module 188 may be implemented as, for example, at least a part of a power management integrated circuit (PMIC).
  • PMIC power management integrated circuit
  • the battery 189 may supply power to at least one component of the electronic device 101 .
  • battery 189 may include, for example, a non-rechargeable primary cell, a rechargeable secondary cell, or a fuel cell.
  • the communication module 190 is a direct (eg, wired) communication channel or a wireless communication channel between the electronic device 101 and an external electronic device (eg, the electronic device 102, the electronic device 104, or the server 108). It can support establishment and communication performance through the established communication channel.
  • the communication module 190 may include one or more communication processors that operate independently of the processor 120 (eg, an application processor) and support direct (eg, wired) communication or wireless communication.
  • the communication module 190 is a wireless communication module 192 (eg, a cellular communication module, a short-range communication module, or a global navigation satellite system (GNSS) communication module) or a wired communication module 194 (eg, : It may include a local area network (LAN) communication module, or a power line communication module).
  • a wireless communication module 192 eg, a cellular communication module, a short-range communication module, or a global navigation satellite system (GNSS) communication module
  • GNSS global navigation satellite system
  • wired communication module 194 eg, : It may include a local area network (LAN) communication module, or a power line communication module.
  • a corresponding communication module among these communication modules is a first network 198 (eg, a short-range communication network such as Bluetooth, wireless fidelity (WiFi) direct, or infrared data association (IrDA)) or a second network 199 (eg, legacy It may communicate with the external electronic device 104 through a cellular network, a 5G network, a next-generation communication network, the Internet, or a computer network (eg, a telecommunication network such as a LAN or a WAN).
  • a first network 198 eg, a short-range communication network such as Bluetooth, wireless fidelity (WiFi) direct, or infrared data association (IrDA)
  • a second network 199 eg, legacy It may communicate with the external electronic device 104 through a cellular network, a 5G network, a next-generation communication network, the Internet, or a computer network (eg, a telecommunication network such as a LAN or a WAN).
  • a telecommunication network
  • the wireless communication module 192 uses subscriber information (eg, International Mobile Subscriber Identifier (IMSI)) stored in the subscriber identification module 196 within a communication network such as the first network 198 or the second network 199 .
  • subscriber information eg, International Mobile Subscriber Identifier (IMSI)
  • IMSI International Mobile Subscriber Identifier
  • the electronic device 101 may be identified or authenticated.
  • the wireless communication module 192 may support a 5G network after a 4G network and a next-generation communication technology, for example, a new radio access technology (NR).
  • NR access technology includes high-speed transmission of high-capacity data (eMBB (enhanced mobile broadband)), minimization of terminal power and access to multiple terminals (mMTC (massive machine type communications)), or high reliability and low latency (URLLC (ultra-reliable and low-latency) -latency communications)).
  • eMBB enhanced mobile broadband
  • mMTC massive machine type communications
  • URLLC ultra-reliable and low-latency
  • the wireless communication module 192 may support a high frequency band (eg, mmWave band) to achieve a high data rate, for example.
  • a high frequency band eg, mmWave band
  • the wireless communication module 192 uses various techniques for securing performance in a high-frequency band, for example, beamforming, massive multiple-input and multiple-output (MIMO), all-dimensional multiplexing. It may support technologies such as full dimensional MIMO (FD-MIMO), an array antenna, analog beam-forming, or a large scale antenna.
  • the wireless communication module 192 may support various requirements defined in the electronic device 101 , an external electronic device (eg, the electronic device 104 ), or a network system (eg, the second network 199 ).
  • the wireless communication module 192 may include a peak data rate (eg, 20 Gbps or more) for realizing eMBB, loss coverage (eg, 164 dB or less) for realizing mMTC, or U-plane latency for realizing URLLC ( Example: Downlink (DL) and uplink (UL) each 0.5 ms or less, or round trip 1 ms or less) can be supported.
  • a peak data rate eg, 20 Gbps or more
  • loss coverage eg, 164 dB or less
  • U-plane latency for realizing URLLC
  • the antenna module 197 may transmit or receive a signal or power to the outside (eg, an external electronic device).
  • the antenna module 197 may include an antenna including a conductor formed on a substrate (eg, a PCB) or a radiator formed of a conductive pattern.
  • the antenna module 197 may include a plurality of antennas (eg, an array antenna). In this case, at least one antenna suitable for a communication method used in a communication network such as the first network 198 or the second network 199 is connected from the plurality of antennas by, for example, the communication module 190 . can be selected. A signal or power may be transmitted or received between the communication module 190 and an external electronic device through the selected at least one antenna.
  • other components eg, a radio frequency integrated circuit (RFIC)
  • RFIC radio frequency integrated circuit
  • the antenna module 197 may form a mmWave antenna module.
  • the mmWave antenna module comprises a printed circuit board, an RFIC disposed on or adjacent to a first side (eg, bottom side) of the printed circuit board and capable of supporting a designated high frequency band (eg, mmWave band); and a plurality of antennas (eg, an array antenna) disposed on or adjacent to a second side (eg, top or side) of the printed circuit board and capable of transmitting or receiving signals of the designated high frequency band. can do.
  • peripheral devices eg, a bus, general purpose input and output (GPIO), serial peripheral interface (SPI), or mobile industry processor interface (MIPI)
  • GPIO general purpose input and output
  • SPI serial peripheral interface
  • MIPI mobile industry processor interface
  • the command or data may be transmitted or received between the electronic device 101 and the external electronic device 104 through the server 108 connected to the second network 199 .
  • Each of the external electronic devices 102 or 104 may be the same as or different from the electronic device 101 .
  • all or a part of operations executed in the electronic device 101 may be executed in one or more external electronic devices 102 , 104 , or 108 .
  • the electronic device 101 may perform the function or service itself instead of executing the function or service itself.
  • one or more external electronic devices may be requested to perform at least a part of the function or the service.
  • One or more external electronic devices that have received the request may execute at least a part of the requested function or service, or an additional function or service related to the request, and transmit a result of the execution to the electronic device 101 .
  • the electronic device 101 may process the result as it is or additionally and provide it as at least a part of a response to the request.
  • cloud computing, distributed computing, mobile edge computing (MEC), or client-server computing technology may be used.
  • the electronic device 101 may provide an ultra-low latency service using, for example, distributed computing or mobile edge computing.
  • the external electronic device 104 may include an Internet of things (IoT) device.
  • the server 108 may be an intelligent server using machine learning and/or neural networks.
  • the external electronic device 104 or the server 108 may be included in the second network 199 .
  • the electronic device 101 may be applied to an intelligent service (eg, smart home, smart city, smart car, or health care) based on 5G communication technology and IoT-related technology.
  • FIG. 2 is a block diagram of a module for analyzing a voice recognition result in an electronic device according to an exemplary embodiment.
  • Operations processed by the modules 202-206 shown in FIG. 2 may be performed by the processor 120 .
  • the user utterance 201 may be received through the input module 150 (eg, an input module) of the electronic device 101 .
  • the user's speech 201 may be converted into text through automatic speech recognition (ASR module).
  • ASR module automatic speech recognition
  • a method of converting the user utterance 201 into text through automatic speech recognition is not limited to a specific example, and various methods that can be easily employed by those skilled in the art may be used.
  • the feature information determining module 202 may generate feature information from text corresponding to the user utterance 201 .
  • the feature information may include at least one of classification information of words constituting one sentence, text information, length information, and previous utterance information.
  • the text information may be information about the text of one word.
  • the classification information may be information indicating the meaning of text information. For example, the classification information may indicate whether the text information is about a place, about a time, about a restaurant, about a research, about a person, about an object, and the like.
  • the length information may be information about the length of one sentence.
  • the length information may be classified according to a plurality of reference ranges. For example, when the length of the text corresponding to the user utterance 201 is 10 and the reference range is 5 to 15, length information of the text corresponding to the user utterance 201 may be determined as 'medium'.
  • the previous utterance information may mean information on a keyword or context of a previously recognized user utterance 201 when there is a previously recognized user utterance 201 .
  • the feature information determining module 202 may classify the text corresponding to the user utterance 201 into a plurality of token information.
  • the token information may mean text in units of words constituting a sentence.
  • the feature information determination module 202 may classify the text corresponding to the user utterance 201 as token information based on token information previously stored in the memory 130 .
  • the feature information determination module 202 may classify the text corresponding to the user utterance 201 as token information by comparing the text corresponding to the user utterance 201 with token information previously stored in the memory 130 .
  • the feature information determining module 202 determines feature information from the text corresponding to the user utterance 201 by comparing the feature information previously stored in the memory 130 with the text corresponding to the user utterance 201 . can be extracted.
  • the feature information determining module 202 divides the text corresponding to the user utterance 201 into a plurality of token information, and token information of the text corresponding to the user utterance 201 among the feature information stored in the memory 130 . By extracting the feature information associated with , it is possible to generate feature information of the text corresponding to the user utterance 201 .
  • the memory 130 may store sentences used for training of the artificial intelligence model for each domain, and may store feature information for each sentence.
  • a plurality of feature information may be stored separately for each domain. The same feature information may be included between domains.
  • the output domain determining module 203 may determine the output domain from feature information of the text corresponding to the user utterance 201 .
  • the output domain may refer to a domain related to the user utterance 201 or a domain processing the user utterance 201 .
  • the output domain determination module 203 may determine the output domain through a natural language processing process of the user utterance 201 .
  • the feature information determining module 202 may convert the text corresponding to the user utterance 201 into a plurality of token information (eg, ' Find', 'hotels', 'nearby', 'seoul').
  • token information eg, ' Find', 'hotels', 'nearby', 'seoul'.
  • Feature information determination module 202 based on each token information, feature information (eg, [text: find], [text: hotels], [text: nearby], [location: seoul], [length: medium]) can be decided
  • the output domain determination module 203 may determine the output domain using the feature information. For example, when the text corresponding to the user utterance 201 is “Find hotels nearby seoul”, the output domain determination module 203 may determine a domain capable of processing a hotel search as the output domain through natural language processing. have.
  • the output domain determination module 203 may determine the output domain from feature information of the text corresponding to the user utterance 201 using a learning model trained to determine the output domain from the text corresponding to the user utterance 201 . .
  • the learning model for determining the output domain from the text corresponding to the user utterance 201 may be a deep learning-based neural network model, a rule-based model, or a neural network model ( Example: It may be a feedforward neural network (FNN), a recurrent neural network (RNN), or a convolutional neural network).
  • FNN feedforward neural network
  • RNN recurrent neural network
  • convolutional neural network a convolutional neural network
  • the feature information determination module 205 may identify the expected domain 204 determined by the user.
  • the predicted domain 204 may mean a domain intended by a user with respect to the user's utterance 201 , and may include an input module 150 (eg, a keyboard) of the electronic device 101 and a display module (eg, a keyboard) including a touch sensor. 160).
  • an input module 150 eg, a keyboard
  • a display module eg, a keyboard
  • the feature information determining module 205 may extract pre-stored feature information for each of the prediction domain 204 and the output domain.
  • the feature determining module 205 may extract pre-stored sentences for the same domain as the predicted domain 204 and feature information of the sentence from the memory 130 .
  • the feature determination module 205 may extract pre-stored sentences for the same domain as the output domain and feature information of the sentences from the memory 130 .
  • the similarity determination module 206 is configured to provide a first similarity between feature information in the output domain and feature information in text corresponding to the user utterance 201 , and feature information in the prediction domain 204 and the feature corresponding to the user utterance 201 .
  • a second degree of similarity between information may be calculated.
  • the similarity may be a numerical value indicating a degree of similarity between feature information.
  • the similarity determining module 206 may determine a first similarity with respect to each piece of feature information in the output domain. For example, the similarity determining module 206 may determine the first similarity by comparing the classification information included in the feature information of the text with the classification information included in the feature information related to the output domain.
  • the similarity determining module 206 is configured to determine the output domain based on the number of classification information identical to the number of classification information included in the feature information of the text corresponding to the user utterance 201 among the classification information included in the feature information of the output domain. A first degree of similarity may be determined.
  • the similarity determining module 206 may determine a second similarity for each piece of feature information of the predicted domain 204 . For example, the similarity determining module 206 may determine the second similarity by comparing the classification information included in the feature information of the text with the classification information included in the feature information related to the prediction domain 204 .
  • the similarity determining module 206 is, based on the number of classification information identical to the classification information included in the feature information of the text corresponding to the user utterance 201 among the classification information included in the feature information of the predicted domain 204 . , a second degree of similarity to the feature information of the predicted domain 204 may be determined.
  • the similarity determining module 206 may determine the first similarity or the second similarity using Equation 1 below.
  • A may mean a set of information (eg, at least one of classification information, length information, and information) included in feature information of the output domain or the prediction domain 204 .
  • B may mean a set of information (eg, at least one of classification information, length information, and information) included in feature information of a text corresponding to the user utterance 201 .
  • J(A, B) may mean similarity between A and B.
  • the similarity determination module 206 is configured to: i) information included in the feature information of the text corresponding to the user utterance 201 and information common among information included in the feature information of the output domain or ii) the feature information of the expected domain 204 .
  • the first degree of similarity or the second degree of similarity may be determined based on the values.
  • the similarity determination module 206 is configured to consider the weights of classification information, text information, length information, and previous utterance information included in the feature information of the output domain and the feature information of the prediction domain 204 to determine the first similarity or second 2 The degree of similarity can be determined.
  • the first similarity of the output domain is The first similarity may be determined to be higher than a case in which classification information having a low weight among classification information included in the feature information is the same as classification information included in the feature information of the text corresponding to the user utterance 201 .
  • the weight may be predetermined for each piece of feature information stored in the memory 130 .
  • the weight may be determined differently for each domain even with the same feature information.
  • the weight may be determined to have a higher value as the relevance to the domain is higher.
  • the weight of the feature information for each domain may be predetermined by the user.
  • the higher the frequency included in the feature information among the classification information included in the feature information of a specific domain the higher the weight of the classification information may be determined.
  • the higher the frequency of being included in the feature information among text information included in the feature information of a specific domain the higher the weight of the text information may be determined.
  • the feature information of the output domain and the feature information of the prediction domain 204 may be included in the display module 160 .
  • the first similarity to the feature information in the output domain or the second similarity to the feature information in the expected domain 204 may be displayed on the display module 160 .
  • FIG. 3 illustrates a text corresponding to a user's utterance and classification information of the text according to an exemplary embodiment.
  • 3A shows an example in which a user utterance (eg, the user utterance 201 in FIG. 2 ) according to an embodiment is converted into text through automatic speech recognition and divided into a plurality of token information 301 . It is the drawing shown.
  • 3B is a diagram illustrating an example of classification information extracted based on the token information 301 included in FIG. 3A according to an embodiment.
  • Classification information stored in advance in the memory 130 may be extracted for each token information 301 .
  • a place eg, geo.PlaceType
  • an airport eg, flight.Airport
  • FIG. 4 is a diagram illustrating an example of feature information of a text corresponding to a user utterance, according to an embodiment.
  • FIG. 4 illustrates token information 401 of text corresponding to a user utterance (eg, the user utterance 201 of FIG. 2 ) and feature information of text corresponding to the user utterance.
  • a user utterance eg, the user utterance 201 of FIG. 2
  • feature information of text corresponding to the user utterance eg, the user utterance 201 of FIG. 2
  • 'Tomorrow', 'Middle', 'E', 'Incheon', 'Airport', 'E', 'Arrival', 'Ha', 'A', 'Air', 'Flight', 'Find', 'Ah' ' and 'Give' may be respective token information 401 .
  • the previous utterance information 402 may be information on a keyword or context of a previously recognized user utterance.
  • the previous utterance information 402 may be a flight (eg, flight context) as shown in FIG. 4 .
  • the processor 120 may perform natural language processing and update previous utterance information 402 .
  • the classification information 403 may be information indicating the meaning of the token information 401 . According to the classification information 403 pre-stored for each token information 401 in the memory 130 , classification information 403 of the text corresponding to the user's utterance may be determined.
  • the text information 404 may refer to information about text corresponding to a user's utterance.
  • the text information 404 may include token information 401 .
  • the length information 405 may be information indicating the length of text corresponding to the user's utterance.
  • an index corresponding to the reference range may be determined as the length information 405 .
  • the length information 405 may be determined as 'up' (eg, LONG-LEN).
  • FIG. 5 is a diagram illustrating an interface for inputting a predicted domain, according to an embodiment.
  • a user may input an expected domain 502 intended by the user through a graphical user interface (GUI) interface of FIG. 5 .
  • GUI graphical user interface
  • the GUI interface may be displayed by the display module 160 of the electronic device 101 .
  • the GUI interface may include text 504 corresponding to a user utterance 501 (eg, the user utterance 201 of FIG. 2 ) recognized through automatic voice recognition.
  • the user may select or input the predicted domain 502 (eg, the predicted domain 204 of FIG. 2 ) on the interface.
  • the predicted domain 502 eg, the predicted domain 204 of FIG. 2
  • a user may select an expected domain 502 using the input interface 505 , directly input it, or input it through an utterance.
  • the GUI interface may include an input interface 506 that may select a type 503 of the expected domain 502 .
  • the user may determine the type 503 of the user utterance 501 through the input interface 506 .
  • the processor 120 selects the feature information including classification information related to the type 503 of the user utterance 501 from among the classification information of the predicted domain 502 . can be extracted.
  • the expected domain 502 is determined to be 'Expedia', an airline-related reservation application, and . can be extracted.
  • the processor 120 may extract pre-stored sentences and feature information for the predicted domain 502 .
  • the processor 120 may determine feature information having the highest similarity by comparing the extracted feature information with the feature information extracted from the user utterance 501 .
  • FIG. 6 is a diagram illustrating an interface for displaying feature information of an expected domain and an output domain, according to an embodiment.
  • the developer among the feature information of the output domain 621 determined by the learning model performing natural language processing, is similar to feature information of a user utterance (eg, the user utterance 201 of FIG. 2 ).
  • feature information of a user utterance eg, the user utterance 201 of FIG. 2
  • the learning model is It is possible to analyze the feature information that affected the output.
  • the GUI interface of FIG. 6 may be displayed by the display module 160 of the electronic device 101 , and may include an interface 600 for user utterance, an interface 610 for an expected domain 611 , and an output domain 621 . ) may include an interface 620 for Data included in the GUI interface of FIG. 6 may be arranged in various forms, and is not limited to the illustrated example.
  • the interface 610 for the expected domain 611 may not be displayed, and like the interface 620 for the output domain 621 through a separate input process. can be displayed.
  • the interface 600 for the user's utterance may include a text 601 corresponding to the user's utterance and classification information 602 determined based on the text 601 corresponding to the user's utterance.
  • the interface 600 for the user's utterance may include feature information other than classification information of the text 601 corresponding to the user's utterance.
  • the interface 610 for the predicted domain 611 may include the predicted domain 611 determined by the user.
  • the interface 610 to the prediction domain 611 may include feature information 612 , 616 to the prediction domain 611 .
  • the interface 610 for the prediction domain 611 may include second similarities 615 and 619 between the respective feature information 612 and 616 and the feature information of the text 601 corresponding to the user's utterance.
  • the feature information 612 and 616 displayed on the interface 610 for the predicted domain 611 is related to the feature information of the text 601 corresponding to the user's utterance among the feature information stored in advance for the predicted domain 611 .
  • the second similarity 615 and 619 may be the feature information 612 and 616 having the highest degree.
  • the processor 120 displays the feature information in the order of highest second similarity (615, 619) with the feature information of the text 601 corresponding to the user's utterance among the feature information related to the predicted domain 611 to the display module ( 160) can be indicated.
  • the feature information 612 may include a sentence 613 corresponding to the feature information 612 and classification information 614 .
  • classification information of feature information related to the prediction domain 611 the higher the correlation with the prediction domain 611 , the higher the weight of the classification information may be determined.
  • the processor 120 may display, on the display module 160, classification information 614 having a weight higher than a reference among classification information included in the domain-related feature information to be distinguished from other classification information 614. .
  • the processor 120 may display the classification information 614 so that the size of the weight is distinguished by increasing the shade of the classification information 614 as the weight increases.
  • the feature information 616 may include a sentence 617 corresponding to the feature information 616 and classification information 618 .
  • the feature information 622 displayed on the interface 620 for the output domain 621 is the first with feature information of the text 601 corresponding to the user's utterance among the feature information stored in advance for the output domain 621 .
  • the similarity 625 may be the highest feature information 622 .
  • the processor 120 is configured to display the feature information on the display module 160 in the order of the highest first similarity with the feature information of the text 601 corresponding to the user's utterance among the feature information related to the output domain 621 . can
  • the feature information 622 may include a sentence 623 corresponding to the feature information 623 and classification information 624 .
  • classification information of feature information related to the output domain 621 the higher the correlation with the output domain 621 , the higher the weight of the classification information may be determined.
  • the processor 120 may display, on the display module 160 , classification information 624 having a weight higher than a reference among classification information included in the domain-related feature information to be distinguished from other classification information.
  • FIG. 7 is a diagram illustrating an example of an interface for displaying feature information of an expected domain and an output domain, according to an embodiment.
  • the GUI interface 700 illustrated in FIG. 7 may be displayed through the display module 160 .
  • the GUI interface 700 includes i) a text 701 corresponding to the user's utterance, feature information 702 extracted from the text 701 corresponding to the user's utterance, a predicted domain 704, and feature information related to the predicted domain.
  • the feature information 702 and the feature information 705 and 706 having a degree of similarity greater than or equal to the standard among the feature information related to the output domain 707 and the output domain, the feature information 708 and 709 having a similarity greater than or equal to the feature information 702 from the feature information 702.
  • the text 701 corresponding to the user's utterance is "Find a flight that arrives at Incheon International Airport tomorrow", 'tomorrow', 'Incheon', 'airport', 'flight' Classification information 702 for , may be extracted as feature information 702 .
  • the user's expected domain 704 may be 'Expedia', or the output domain 707 determined by the learning model may be 'one tour'.
  • the processor 120 in relation to the output domain 707 and the prediction domain 704, includes feature information 705, 706, 708, and 709 having the highest similarity to the user's utterance among feature information previously stored as training data of the learning model. , through the display module 160 , the developer can analyze which feature information caused the learning model to output the output domain 707 rather than the expected domain 704 .
  • FIG. 8 is a diagram illustrating a graph indicating a weight of classification information for each domain, according to an embodiment.
  • the processor 120 may display, as a graph, how the weights of the classification information stored in advance in the memory 130 are determined for each domain through the display module 160 .
  • the processor 120 may determine a weight of feature information such as classification information according to a user guideline or frequency for each domain.
  • the processor 120 may extract a weight for each domain of the pre-stored classification information and display it as a graph on the display module 160 .
  • the weight of classification information such as 'travel', 'date', and 'hotel' may be determined to be higher in a domain for reserving a flight or accommodation than in a domain related to finance.
  • the developer can check how weights of classification information are determined according to domains.
  • FIG. 9 is a diagram illustrating an interface indicating a weight and frequency of feature information for a domain, according to an embodiment.
  • FIG. 9 is a diagram illustrating a graph of classification information included in pre-stored feature information for a specific domain, domain A 901 , and a frequency number of classification information.
  • the feature information may be previously stored in the memory 130 as feature information associated with the domain A 901 .
  • the number of frequencies of classification information included in sentences related to the domain A 901 is shown as a graph.
  • FIG. 9B shows the weights of classification information related to the domain A 901 and the classification information for the domain A 901 .
  • the processor 120 may extract the classification information and weights of the classification information stored in advance for a specific domain, and display the frequency or weight of the classification information through the display module 160 .
  • the developer may analyze which classification information is included in the training data the most with respect to the domain A 901 and which classification information is determined to have a high weight.
  • FIG. 10 is a flowchart of a method of analyzing a voice recognition result according to an exemplary embodiment.
  • the processor 120 may generate feature information based on the text corresponding to the user's utterance.
  • the processor 120 may convert a user's utterance received through automatic speech recognition into text to obtain a text corresponding to the user's utterance.
  • the processor 120 may determine feature information of the text corresponding to the user's utterance based on the feature information previously stored in the memory 130 .
  • the processor 120 may determine, based on the feature information of the text, an output domain that processes the user utterance.
  • the processor 120 may determine the output domain by inputting feature information of the text corresponding to the user's utterance into a learning model trained to determine a domain for processing the user's utterance from the text.
  • the processor 120 may extract feature information related to the output domain from the memory 130 .
  • the memory 130 may store feature information used for training a learning model for each domain.
  • the processor 120 may extract pre-stored feature information for the output domain from the memory 130 .
  • the processor 120 may identify the predicted domain determined by the user, and extract pre-stored feature information for the predicted domain from the memory 130 .
  • the processor 120 may display feature information related to the output domain using the display module 160 .
  • the processor 120 is configured to: i) text corresponding to the user utterance, ii) feature information of the text corresponding to the user utterance, iii) feature information of an output domain, iv) feature information of an expected domain, v) of an output domain At least one of the first similarity between the feature information and the feature information of the text corresponding to the user's utterance and vii) the second degree of similarity between the feature information of the expected domain and the feature information of the text corresponding to the user's utterance is displayed on the display module 160 can do.
  • the processor 120 may display the feature information of the output domain in an order of high first similarity, and display the feature information in the order of high second similarity of the expected domain.
  • the processor 120 may display, on the display module 160 , classification information whose weight is higher than a reference among classification information included in the feature information related to the prediction domain or the output domain.
  • the processor 120 extracts feature information about the output domain without receiving a separate predicted domain from the user, and includes feature information of a text corresponding to the user's utterance among the feature information related to the output domain and the second information. 1 Feature information with high similarity may be determined and displayed on the display module 160 . In determining the first similarity, the processor 120 may determine the first similarity in consideration of a predetermined weight for information included in the feature information.
  • FIG. 11 is a block diagram illustrating an integrated intelligence system according to an embodiment.
  • the integrated intelligent system of an embodiment includes a user terminal 101 , an intelligent server 1100 , and a service server 1191 including a CP service A 1192 , a CP service B 1193 and a CP service C ) may be included.
  • the user terminal 101 of an embodiment may be a terminal device (or electronic device) connectable to the Internet, for example, a mobile phone, a smart phone, a personal digital assistant (PDA), a notebook computer, a TV, a white home appliance, It may be a wearable device, an HMD, or a smart sound output module.
  • a terminal device or electronic device connectable to the Internet
  • a mobile phone for example, a mobile phone, a smart phone, a personal digital assistant (PDA), a notebook computer, a TV, a white home appliance, It may be a wearable device, an HMD, or a smart sound output module.
  • PDA personal digital assistant
  • the user terminal 101 may include an interface 177 , an input module 150 , a sound output module 155 , a display module 160 , a memory 130 , or a processor 120 .
  • an input module 150 may be operatively or electrically connected to each other.
  • a sound output module 155 may be operatively or electrically connected to each other.
  • a display module 160 may be operatively or electrically connected to each other.
  • a processor 120 may be operatively or electrically connected to each other.
  • the interface 177 may be configured to transmit/receive data by being connected to an external device.
  • the input module 150 may receive a sound (eg, a user's utterance) and convert it into an electrical signal.
  • the sound output module 155 may output an electrical signal as sound (eg, voice).
  • the display module 160 may be configured to display an image or a video.
  • the display module 160 may also display a graphic user interface (GUI) of an executed app (or an application program).
  • GUI graphic user interface
  • the memory 130 may store the client module 144 - 2 , a software development kit (SDK) 144 - 1 , and a plurality of apps 146 .
  • the client module 144-2 and the SDK 144-1 may constitute a framework (or solution program) for performing general functions.
  • the client module 144-2 or the SDK 144-1 may configure a framework for processing a voice input.
  • the plurality of apps 146 may be a program for performing a specified function.
  • the plurality of apps 146 may include a first app 146_1 and a second app 146_2.
  • each of the plurality of apps 146 may include a plurality of operations for performing a specified function.
  • the apps may include an alarm app, a message app, and/or a schedule app.
  • the plurality of apps 146 may be executed by the processor 120 to sequentially execute at least some of the plurality of operations.
  • the processor 120 may control the overall operation of the user terminal 101 .
  • the processor 120 may be electrically connected to the interface 177 , the input module 150 , the sound output module 155 , and the display module 160 to perform a specified operation.
  • the processor 120 may also execute a program stored in the memory 130 to perform a designated function.
  • the processor 120 may execute at least one of the client module 144-2 and the SDK 144-1 to perform the following operations for processing a voice input.
  • the processor 120 may control the operation of the plurality of apps 146 through, for example, the SDK 144 - 1 .
  • the following operations described as operations of the client module 144 - 2 or the SDK 144 - 1 may be operations by the execution of the processor 120 .
  • the client module 144 - 2 may receive a voice input.
  • the client module 144 - 2 may receive a voice signal corresponding to the user's utterance sensed through the input module 150 .
  • the client module 144 - 2 may transmit the received voice input to the intelligent server 1100 .
  • the client module 144 - 2 may transmit status information of the user terminal 101 to the intelligent server 1100 together with the received voice input.
  • the state information may be, for example, execution state information of an app.
  • the client module 144 - 2 may receive a result corresponding to the received voice input. For example, when the intelligent server 1100 can calculate a result corresponding to the received voice input, the client module 144 - 2 may receive a result corresponding to the received voice input. The client module 144 - 2 may display the received result on the display module 160 .
  • the client module 144 - 2 may receive a plan corresponding to the received voice input.
  • the client module 144 - 2 may display a result of executing a plurality of operations of the app according to the plan on the display module 160 .
  • the client module 144 - 2 may, for example, sequentially display execution results of a plurality of operations on the display module 160 .
  • the user terminal 101 may display only a partial result of executing a plurality of operations (eg, a result of the last operation) on the display module 160 .
  • the client module 144 - 2 may receive a request from the intelligent server 1100 to obtain information necessary for calculating a result corresponding to a voice input. According to an embodiment, the client module 144 - 2 may transmit the necessary information to the intelligent server 1100 in response to the request.
  • the client module 144 - 2 may transmit result information of executing a plurality of operations according to a plan to the intelligent server 1100 .
  • the intelligent server 1100 may confirm that the received voice input has been correctly processed using the result information.
  • the client module 144 - 2 may include a voice recognition module.
  • the client module 144-2 may recognize a voice input performing a limited function through the voice recognition module.
  • the client module 144 - 2 may execute an intelligent app for processing a voice input for performing an organic operation through a specified input (eg, wake up!).
  • the intelligent server 1100 may receive information related to a user's voice input from the user terminal 101 through a communication network. According to an embodiment, the intelligent server 1100 may change data related to the received voice input into text data. According to an embodiment, the intelligent server 1100 may generate a plan for performing a task corresponding to a user's voice input based on the text data.
  • the plan may be generated by an artificial intelligent (AI) system.
  • the artificial intelligence system may be a rule-based system, a neural network-based system (eg, a feedforward neural network (FNN)), a recurrent neural network (RNN) ))) can also be Alternatively, it may be a combination of the above or other artificial intelligence systems.
  • the plan may be selected from a set of predefined plans or may be generated in real time in response to a user request. For example, the artificial intelligence system may select at least a plan from among a plurality of predefined plans.
  • the intelligent server 1100 of an embodiment may transmit a result according to the generated plan to the user terminal 101 or transmit the generated plan to the user terminal 101 .
  • the user terminal 101 may display a result according to the plan on the display module 160 .
  • the user terminal 101 may display the result of executing the operation according to the plan on the display module 160 .
  • Intelligent server 1100 of an embodiment includes a front end 1110, a natural language platform 1120, a capsule DB 1130, an execution engine 1140, It may include an end user interface 1150 , a management platform 1160 , a big data platform 1170 , or an analytics platform 1180 .
  • the front end 1110 may receive a voice input received from the user terminal 101 .
  • the front end 1110 may transmit a response corresponding to the voice input.
  • the natural language platform 1120 includes an automatic speech recognition module (ASR module) 1121 , a natural language understanding module (NLU module) 1123 , a planner module ( a planner module 1125 , a natural language generator module (NLG module) 1127 , or a text to speech module (TTS module) 1129 .
  • ASR module automatic speech recognition module
  • NLU module natural language understanding module
  • NLG module natural language generator module
  • TTS module text to speech module
  • the automatic voice recognition module 1121 may convert a voice input received from the user terminal 101 into text data.
  • the natural language understanding module 1123 may determine the user's intention by using text data of a voice input. For example, the natural language understanding module 1123 may determine the user's intention by performing syntactic analysis or semantic analysis.
  • the natural language understanding module 1123 of an embodiment identifies the meaning of a word extracted from a voice input using a linguistic feature (eg, a grammatical element) of a morpheme or phrase, and matches the meaning of the identified word with the intention of the user. You can decide your intentions.
  • the planner module 1125 may generate a plan by using the intention and parameters determined by the natural language understanding module 1123 .
  • the planner module 1125 may determine a plurality of domains required to perform a task based on the determined intention.
  • the planner module 1125 may determine a plurality of operations included in each of the plurality of domains determined based on the intention.
  • the planner module 1125 may determine a parameter required to execute the determined plurality of operations or a result value output by the execution of the plurality of operations.
  • the parameter and the result value may be defined as a concept of a specified format (or class).
  • the plan may include a plurality of actions and a plurality of concepts determined by the user's intention.
  • the planner module 1125 may determine the relationship between the plurality of operations and the plurality of concepts in a stepwise (or hierarchical manner). For example, the planner module 1125 may determine the execution order of the plurality of operations determined based on the user's intention based on the plurality of concepts. In other words, the planner module 1125 may determine the execution order of the plurality of operations based on parameters required for execution of the plurality of operations and results output by the execution of the plurality of operations. Accordingly, the planner module 1125 may generate a plan including a plurality of operations and related information (eg, an ontology) between a plurality of concepts. The planner module 1125 may generate a plan using information stored in the capsule database 1130 in which a set of relationships between concepts and operations is stored.
  • the natural language generation module 1127 may change the specified information into a text form.
  • the information changed to the text form may be in the form of natural language utterance.
  • the text-to-speech conversion module 1129 may change information in a text format into information in a voice format.
  • some or all of the functions of the natural language platform 1120 may be implemented in the user terminal 101 .
  • the capsule database 1130 may store information on relationships between a plurality of concepts and operations corresponding to a plurality of domains.
  • a capsule may include a plurality of action objects (action objects or action information) and concept objects (concept objects or concept information) included in the plan.
  • the capsule database 1130 may store a plurality of capsules in the form of a concept action network (CAN).
  • the plurality of capsules may be stored in a function registry included in the capsule database 1130 .
  • the capsule database 1130 may include a strategy registry in which strategy information necessary for determining a plan corresponding to a voice input is stored.
  • the strategy information may include reference information for determining one plan when there are a plurality of plans corresponding to the voice input.
  • the capsule database 1130 may include a follow up registry in which information on a subsequent operation for suggesting a subsequent operation to the user in a specified situation is stored.
  • the subsequent operation may include, for example, a subsequent utterance.
  • the capsule database 1130 may include a layout registry that stores layout information of information output through the user terminal 101 .
  • the capsule database 1130 may include a vocabulary registry in which vocabulary information included in the capsule information is stored.
  • the capsule database 1130 may include a dialog registry in which information about a dialog (or interaction) with a user is stored.
  • the capsule database 1130 may update a stored object through a developer tool.
  • the developer tool may include, for example, a function editor for updating an action object or a concept object.
  • the developer tool may include a vocabulary editor for updating the vocabulary.
  • the developer tool may include a strategy editor for creating and registering strategies for determining plans.
  • the developer tool may include a dialog editor that creates a conversation with the user.
  • the developer tool can include a follow up editor that can edit subsequent utterances that activate follow-up goals and provide hints. The subsequent goal may be determined based on a currently set goal, a user's preference, or an environmental condition.
  • the capsule database 1130 may be implemented in the user terminal 101 as well.
  • the execution engine 1140 of an embodiment may calculate a result using the generated plan.
  • the end user interface 1150 may transmit the calculated result to the user terminal 101 . Accordingly, the user terminal 101 may receive the result and provide the received result to the user.
  • the management platform 1160 of an embodiment may manage information used in the intelligent server 1100 .
  • the big data platform 1170 according to an embodiment may collect user data.
  • the analysis platform 1180 according to an embodiment may manage the quality of service (QoS) of the intelligent server 1100 . For example, the analysis platform 1180 may manage the components and processing speed (or efficiency) of the intelligent server 1100 .
  • QoS quality of service
  • the service server 1191 may provide a specified service (eg, food order or hotel reservation) to the user terminal 101 .
  • the service server 1191 may be a server operated by a third party.
  • the service server 1191 may provide information for generating a plan corresponding to the received voice input to the intelligent server 1100 .
  • the provided information may be stored in the capsule database 1130 .
  • the service server 1191 may provide result information according to the plan to the intelligent server 1100 .
  • the user terminal 101 may provide various intelligent services to the user in response to a user input.
  • the user input may include, for example, an input through a physical button, a touch input, or a voice input.
  • the user terminal 101 may provide a voice recognition service through an intelligent app (or a voice recognition app) stored therein.
  • the user terminal 101 may recognize a user utterance or a voice input received through the input module, and provide a service corresponding to the recognized voice input to the user. have.
  • the user terminal 101 may perform a designated operation alone or together with the intelligent server 1110 and/or the service server 1191 based on the received voice input. For example, the user terminal 101 may execute an app corresponding to the received voice input and perform a specified operation through the executed app.
  • the user terminal 101 when the user terminal 101 provides a service together with the intelligent server 1100 and/or the service server, the user terminal detects a user's utterance using the input module 150, A signal (or voice data) corresponding to the sensed user's utterance may be generated. The user terminal may transmit the voice data to the intelligent server 1100 using the interface 177 .
  • the intelligent server 1100 In response to the voice input received from the user terminal 101, the intelligent server 1100 according to an embodiment performs a plan for performing a task corresponding to the voice input, or performs an operation according to the plan. results can be generated.
  • the plan may include, for example, a plurality of actions for performing a task corresponding to a user's voice input, and a plurality of concepts related to the plurality of actions.
  • the concept may define parameters input to the execution of the plurality of operations or result values output by the execution of the plurality of operations.
  • the plan may include a plurality of actions and association information between a plurality of concepts.
  • the user terminal 101 may receive the response using the interface 177 .
  • the user terminal 101 outputs a voice signal generated inside the user terminal 101 to the outside using the sound output module 155 , or generates a voice signal generated inside the user terminal 101 using the display module 160 . Images can be output externally.
  • FIG. 12 is a diagram illustrating a form in which relation information between a concept and an operation is stored in a database, according to various embodiments of the present disclosure
  • the capsule database (eg, capsule database 1130) of the intelligent server 1100 may store the capsule in the form of a CAN 1200 (concept action network).
  • the capsule database may store an operation for processing a task corresponding to a user's voice input and parameters necessary for the operation in the form of a concept action network (CAN 1200).
  • the capsule database includes a plurality of capsules (capsule (A) 1201, capsule (B) 1204) corresponding to each of a plurality of domains (eg, applications) or at least one service provider (eg, : CP 1 (1202)) can be stored.
  • one capsule eg, capsule(A) 1201
  • one domain eg, location (geo), application
  • at least one service provider eg, CP 1 1202 or CP 2 1203
  • one capsule may include at least one operation 1210 and at least one concept 1220 for performing a specified function.
  • the natural language platform 1120 may generate a plan for performing a task corresponding to the received voice input using the capsule stored in the capsule database.
  • the planner module 1125 of the natural language platform 1120 may generate a plan using capsules stored in the capsule database. For example, using operations 12011,12013 and concepts 12012,12014 of capsule A 1201 and operations 12041 and concept 12042 of capsule B 1204 create plan 1207 can do.
  • FIG. 13 is a diagram illustrating a screen in which a user terminal processes a voice input received through an intelligent app according to various embodiments of the present disclosure
  • the user terminal 101 may execute an intelligent app to process a user input through the intelligent server 1100 .
  • the user terminal 101 when the user terminal 101 recognizes a specified voice input (eg, wake up! or receives an input through a hardware key (eg, a dedicated hardware key), the user terminal 101 processes the voice input.
  • a specified voice input eg, wake up! or receives an input through a hardware key (eg, a dedicated hardware key)
  • the user terminal 101 processes the voice input.
  • You can run intelligent apps for The user terminal 101 may, for example, run the intelligent app in a state in which the schedule app is running.
  • the user terminal 101 may display an object (eg, an icon) 1311 corresponding to an intelligent app on the display module 160 .
  • the user terminal 101 may receive a voice input by the user's utterance.
  • the user terminal 101 may receive a voice input "Tell me about this week's schedule!
  • the user terminal 101 may display a user interface (UI) 1313 (eg, an input window) of an intelligent app on which text data of the received voice input is displayed on the display module.
  • UI user interface
  • the user terminal 101 may display a result corresponding to the received voice input on the display module.
  • the user terminal 101 may receive a plan corresponding to the received user input, and display 'this week's schedule' on the display module according to the plan.
  • a display module 160 that provides information to the outside of the electronic device 101, a processor 120 electrically connected to the display module 160, and the processor ( 120) and a memory 130 electrically connected to the processor 120, wherein the processor 120 generates feature information of the text based on a text corresponding to a user utterance, and based on the feature information of the text, the determining an output domain for processing a user utterance, identifying a prediction domain predetermined by a user, extracting feature information related to the output domain and feature information related to the prediction domain from the memory 130 , and the The display module 160 may be used to display feature information related to the output domain and feature information related to the expected domain.
  • the processor 120 determines i) a first degree of similarity between the feature information of the text and the feature information related to the output domain, and ii) a second degree of similarity between the feature information of the text and the feature information related to the expected domain, , the first degree of similarity and the second degree of similarity may be displayed using the display module 160 .
  • the feature information includes any one or more of text information, classification information, length information, and text information of words included in one sentence, and the processor 120 is configured to include classification information included in the text feature information and The first similarity may be determined by comparing classification information included in the feature information related to the output domain.
  • the processor 120 determines a weight of classification information included in the feature information related to the output domain, and by taking the weight into consideration, classification information included in the feature information of the text and feature information related to the output domain
  • the first similarity may be determined by comparing the classification information included in the data.
  • the feature information includes any one or more of text information, classification information, length information, and text information of words included in one sentence, and the processor 120 is configured to include classification information included in the text feature information and The second degree of similarity may be determined by comparing classification information included in the feature information related to the predicted domain.
  • the processor 120 determines a weight of classification information included in the feature information related to the prediction domain, and by taking the weight into consideration, classification information included in the feature information of the text and feature information related to the prediction domain
  • the second degree of similarity may be determined by comparing the classification information included in the data.
  • the processor 120 may display the feature information on the display module 160 in the order of having the highest first similarity with the text feature information among the feature information related to the output domain.
  • the processor 120 may display the feature information on the display module 160 in the order of having the highest first similarity with the text feature information among the feature information related to the predicted domain.
  • the processor 120 may display, on the display module 160 , classification information having a weight higher than a reference among classification information included in the feature information related to the output domain.
  • the processor 120 may display, on the display module 160 , classification information having a weight higher than a reference among classification information included in the feature information related to the predicted domain.
  • the processor 120 may determine the output domain by inputting feature information of the text into a learning model trained to determine a domain associated with the user's utterance.
  • the processor 120 may determine the feature information of the text by dividing the text into a plurality of token information and comparing the divided token information with the token information previously stored in the memory 130 .
  • Electronic device 101 may determine the feature information of the text by dividing the text into a plurality of token information and comparing the divided token information with the token information previously stored in the memory 130 .
  • the electronic device 101 includes: a display module 160 that provides information to the outside of the electronic device 101 ; a processor 120 electrically connected to the display module 160; and a memory 130 electrically connected to the processor 120, wherein the processor 120 generates feature information of the text based on a text corresponding to a user utterance, and based on the generated feature information to determine an output domain for processing the user utterance, extract feature information related to the output domain from the memory 130 , and display feature information related to the output domain using the display module 160 . can do.
  • the processor 120 may determine a similarity between the feature information of the text and the feature information related to the output domain, and display the similarity using the display module 160 .
  • the feature information includes any one or more of text information, classification information, length information, and text information of words included in one sentence, and the processor 120 is configured to include classification information included in the text feature information and The similarity may be determined by comparing classification information included in the feature information related to the output domain.
  • the processor 120 determines a weight of classification information included in the feature information related to the output domain, and by taking the weight into consideration, classification information included in the feature information of the text and feature information related to the output domain The similarity may be determined by comparing the classification information included in the data.
  • a method of analyzing a speech recognition result may include: generating feature information of the text based on a text corresponding to a user utterance; determining an output domain for processing the user utterance based on the feature information of the text; identifying an expected domain predetermined by the user; extracting feature information related to the output domain and feature information related to the prediction domain; and displaying feature information related to the output domain and feature information related to the expected domain.
  • the electronic device may have various types of devices.
  • the electronic device may include, for example, a portable communication device (eg, a smart phone), a computer device, a portable multimedia device, a portable medical device, a camera, a wearable device, or a home appliance device.
  • a portable communication device eg, a smart phone
  • a computer device e.g., a smart phone
  • a portable multimedia device e.g., a portable medical device
  • a camera e.g., a portable medical device
  • a camera e.g., a portable medical device
  • a camera e.g., a portable medical device
  • a wearable device e.g., a smart bracelet
  • a home appliance device e.g., a home appliance
  • first, second, or first or second may simply be used to distinguish an element from other elements in question, and may refer elements to other aspects (e.g., importance or order) is not limited. It is said that one (eg, first) component is “coupled” or “connected” to another (eg, second) component, with or without the terms “functionally” or “communicatively”. When referenced, it means that one component can be connected to the other component directly (eg by wire), wirelessly, or through a third component.
  • module used in various embodiments of this document may include a unit implemented in hardware, software, or firmware, and is interchangeable with terms such as, for example, logic, logic block, component, or circuit.
  • a module may be an integrally formed part or a minimum unit or a part of the part that performs one or more functions.
  • the module may be implemented in the form of an application-specific integrated circuit (ASIC).
  • ASIC application-specific integrated circuit
  • Various embodiments of the present document include one or more instructions stored in a storage medium (eg, internal memory 136 or external memory 138) readable by a machine (eg, electronic device 101).
  • a storage medium eg, internal memory 136 or external memory 138
  • the processor eg, the processor 120
  • the device eg, the electronic device 101
  • the one or more instructions may include code generated by a compiler or code executable by an interpreter.
  • the device-readable storage medium may be provided in the form of a non-transitory storage medium.
  • 'non-transitory' only means that the storage medium is a tangible device and does not contain a signal (eg, electromagnetic wave), and this term is used in cases where data is semi-permanently stored in the storage medium and It does not distinguish between temporary storage cases.
  • a signal eg, electromagnetic wave
  • the method according to various embodiments disclosed in this document may be provided in a computer program product (computer program product).
  • Computer program products may be traded between sellers and buyers as commodities.
  • the computer program product is distributed in the form of a machine-readable storage medium (eg compact disc read only memory (CD-ROM)), or through an application store (eg Play StoreTM) or on two user devices ( It can be distributed (eg downloaded or uploaded) directly, online between smartphones (eg: smartphones).
  • a portion of the computer program product may be temporarily stored or temporarily created in a machine-readable storage medium such as a memory of a server of a manufacturer, a server of an application store, or a relay server.
  • each component eg, a module or a program of the above-described components may include a singular or a plurality of entities, and some of the plurality of entities may be separately disposed in other components. have.
  • one or more components or operations among the above-described corresponding components may be omitted, or one or more other components or operations may be added.
  • a plurality of components eg, a module or a program
  • the integrated component may perform one or more functions of each component of the plurality of components identically or similarly to those performed by the corresponding component among the plurality of components prior to the integration. .
  • operations performed by a module, program, or other component are executed sequentially, in parallel, repeatedly, or heuristically, or one or more of the operations are executed in a different order, or omitted. , or one or more other operations may be added.

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computational Linguistics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Human Computer Interaction (AREA)
  • Multimedia (AREA)
  • Artificial Intelligence (AREA)
  • Acoustics & Sound (AREA)
  • General Health & Medical Sciences (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Computing Systems (AREA)
  • Signal Processing (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

음성 인식 결과를 분석하는 전자 장치 및 방법이 개시된다. 다양한 실시예에 따른 전자 장치에 있어서, 상기 전자 장치의 외부로 정보를 제공하는 디스플레이 모듈, 상기 디스플레이 모듈과 전기적으로 연결된 프로세서, 상기 프로세서와 전기적으로 연결된 메모리를 포함하고, 상기 프로세서는, 사용자 발화에 대응하는 텍스트에 기초하여, 상기 텍스트의 피처 정보를 생성하고, 상기 텍스트의 피처 정보에 기초하여, 상기 사용자 발화를 처리하는 출력 도메인을 결정하고, 사용자에 의해 미리 결정되는 예상 도메인을 식별하고, 상기 메모리로부터 상기 출력 도메인과 관련된 피처 정보들 및 상기 예상 도메인과 관련된 피처 정보들을 추출하고, 상기 디스플레이 모듈을 이용하여, 상기 출력 도메인과 관련된 피처 정보들 및 상기 예상 도메인과 관련된 피처 정보들을 표시할 수 있다.

Description

음성 인식 결과를 분석하는 전자 장치 및 방법
관련 출원들에 대한 참조
본 출원은 2021년 2월 19일에 출원된 한국특허출원 제10-2021-0022572호의 우선권을 주장한다.
아래의 개시는 음성 인식 결과를 분석하는 전자 장치 및 방법에 관한 것이다. 보다 상세하게, 사용자 발언에 대한 학습 모델에 의해 결정된 도메인에 이전에 저장된 특징 정보 중 사용자 발언과 관련된 특징 정보의 조각을 검증하고 개발자가 학습 모델의 결과를 분석할 수 있는 방법 및 전자기기와 관련이 있다.
최근, 음성 인식 기술에 발달함에 따라, 스마트폰과 같은 전자 장치에서, 인공지능을 이용한 음성 어시스턴트(speech assistant)의 활용도가 증가하고 있다. 음성 어시스턴트는 사용자 발화를 인식하여, 사용자가 의도한 서비스를 제공할 수 있다.
사용자가 의도한 서비스를 제공하기 위해서는, 사용자 발화를 인식하고, 사용자가 의도한 서비스를 처리하기 위한 도메인이 적절하게 결정되어야 한다. 예를 들어, 사용자가 주변 맛집 검색을 요청할 때, 소셜 앱을 통한 주변 맛집 검색 결과를 제공할지, 지도 앱의 식당 검색 결과를 제공할지 자연어 처리 과정을 통해 결정되어야 한다.
다만, 자연어 처리 과정은 머신러닝(machine learning)에 기반한 학습 모델들이 이용될 수 있다. 학습 모델이 사용자 발화를 처리할 도메인을 적절하게 결정하지 못하는 경우, 학습 모델이 연산 과정 자체는 분석되기 어렵기 때문에, 개발자가 학습 모델의 성능을 향상시키는 데 한계를 가질 수 있다. 따라서, 학습 모델이 적절하게 사용자 발화를 처리할 도메인을 결정하는 데 영향을 준 데이터들을 개발자가 확인할 수 있도록 하는 기술이 요구된다.
상기의 배경기술은 본 문서에서 개시하는 발명을 이해하기 위한 배경정보를 나타낸다. 위의 내용 중 어느 것이라도, 본 문서에 개시되는 발명의 선행기술로 적용될 수 있는지에 대해서는 어떠한 결정도 내리지 않았으며, 주장도 하지 않는다.
본 문서에 개시되는 다양한 실시예에 따르면, 사용자 발화에 대하여 학습 모델이 결정한 도메인에 미리 저장된 피처 정보들 중 사용자 발화와 관련된 피처 정보들을 확인할 수 있으므로, 개발자가 학습 모델의 결과를 분석할 수 있는 전자 장치 및 방법을 제공한다.
본 문서에 개시되는 다양한 실시예에 따르면, 사용자가 예상한 도메인의 피처 정보들 중 사용자 발화와 관련된 피처 정보들을 디스플레이 모듈에 표시함으로써, 사용자가 예상한 도메인이 결정되지 않은 원인을 분석할 수 있는 전자 장치 및 방법을 제공한다.
다양한 실시예에 따른 전자 장치에 있어서, 상기 전자 장치의 외부로 정보를 제공하는 디스플레이 모듈, 상기 디스플레이 모듈과 전기적으로 연결된 프로세서, 상기 프로세서와 전기적으로 연결된 메모리를 포함하고, 상기 프로세서는, 사용자 발화에 대응하는 텍스트에 기초하여, 상기 텍스트의 피처 정보를 생성하고, 상기 텍스트의 피처 정보에 기초하여, 상기 사용자 발화를 처리하는 출력 도메인을 결정하고, 사용자에 의해 미리 결정되는 예상 도메인을 식별하고, 상기 메모리로부터 상기 출력 도메인과 관련된 피처 정보들 및 상기 예상 도메인과 관련된 피처 정보들을 추출하고, 상기 디스플레이 모듈을 이용하여, 상기 출력 도메인과 관련된 피처 정보들 및 상기 예상 도메인과 관련된 피처 정보들을 표시할 수 있다.
다양한 실시예에 따른 전자 장치에 있어서, 전자 장치에 있어서, 상기 전자 장치의 외부로 정보를 제공하는 디스플레이 모듈; 상기 디스플레이 모듈과 전기적으로 연결된 프로세서; 상기 프로세서와 전기적으로 연결된 메모리를 포함하고, 상기 프로세서는, 사용자 발화에 대응하는 텍스트에 기초하여, 상기 텍스트의 피처 정보를 생성하고, 상기 생성된 피처 정보에 기초하여, 상기 사용자 발화를 처리하는 출력 도메인을 결정하고, 상기 메모리로부터 상기 출력 도메인과 관련된 피처 정보들을 추출하고, 상기 디스플레이 모듈을 이용하여, 상기 출력 도메인과 관련된 피처 정보들을 표시할 수 있다.
다양한 실시예에 따른 음성 인식 결과를 분석하는 방법은, 사용자 발화에 대응하는 텍스트에 기초하여, 상기 텍스트의 피처 정보를 생성하는 단계; 상기 텍스트의 피처 정보에 기초하여, 상기 사용자 발화를 처리하는 출력 도메인을 결정하는 단계; 사용자에 의해 미리 결정되는 예상 도메인을 식별하는 단계; 상기 출력 도메인과 관련된 피처 정보들 및 상기 예상 도메인과 관련된 피처 정보들을 추출하는 단계; 및 상기 출력 도메인과 관련된 피처 정보들 및 상기 예상 도메인과 관련된 피처 정보들을 표시하는 단계를 포함할 수 있다.
본 문서에서 개시하는 다른 실시예, 장점 및 핵심적인 특징은 도면과 함께 다양한 실시예를 개시하는 상세한 설명을 통해 기술력이 있는 자에게 명백해질 것이다.
아래의 개시는, 위에서 언급한 문제점들 및/또는 단점을 다루고, 최소한 아래에 기술된 이점을 제공할 수 있다. 본 문서에 개시되는 다양한 실시예에 따르면, 사용자 발화에 대하여 학습 모델이 결정한 도메인에 미리 저장된 피처 정보들 중 사용자 발화와 관련된 피처 정보들을 확인할 수 있으므로, 개발자가 학습 모델의 결과를 분석할 수 있다.
본 문서에 개시되는 다양한 실시예에 따르면, 사용자가 예상한 도메인의 피처 정보들 중 사용자 발화와 관련된 피처 정보들을 디스플레이 모듈에 표시함으로써, 사용자가 예상한 도메인이 결정되지 않은 원인을 분석할 수 있다.
본 문서에 개시되는 발명의 효과는, 이하의 기재된 설명에 의해 설명되거나, 이하의 기재된 설명에서 명백하거나, 또는, 제시된 실시예를 실시하여 학습될 수 있다.
도 1은, 다양한 실시예들에 따른, 네트워크 환경 내의 전자 장치의 블록도이다.
도 2는 일 실시예에 따른 전자 장치 내에서 음성 인식 결과를 분석하는 모듈의 블록도이다.
도 3은 일 실시예에 따른 사용자 발화에 대응하는 텍스트 및 그 텍스트의 분류 정보를 나타낸 것이다.
도 4는, 일 실시예에 따른, 사용자 발화에 대응하는 텍스트의 피처 정보의 예를 도시한 도면이다.
도 5는, 일 실시예에 따른, 예상 도메인을 입력하는 인터페이스를 도시한 도면이다.
도 6는, 일 실시예에 따른, 예상 도메인과 출력 도메인의 피처 정보들을 표시하는 인터페이스를 도시한 도면이다.
도 7는, 일 실시예에 따른, 예상 도메인과 출력 도메인의 피처 정보들을 표시하는 인터페이스의 예시를 도시한 도면이다.
도 8는, 일 실시예에 따른, 도메인 별로 분류 정보의 가중치를 나타내는 그래프를 도시한 도면이다.
도 9는, 일 실시예에 따른, 도메인에 대한 피처 정보들의 가중치 및 빈도를 나타내는 인터페이스를 도시한 도면이다.
도 10은 일 실시예에 따른 음성 인식 결과를 분석하는 방법의 흐름도이다.
도 11은 일 실시예에 따른 통합 지능 (integrated intelligence) 시스템을 나타낸 블록도이다.
도 12는 일 실시예에 따른, 컨셉과 액션의 관계 정보가 데이터베이스에 저장된 형태를 나타낸 도면이다.
도 13은 일 실시예에 따라, 지능형 앱을 통해 수신된 음성 입력을 처리하는 화면을 표시하는 사용자 단말을 도시하는 도면이다.
도면 전체에서 참조 숫자와 같은 부분은 부품, 구성 요소 및 구조물과 유사한 것으로 이해될 수 있다.
첨부된 도면을 참조한 다음의 설명은 청구범위 및 그 균등물에 의해 정의된 바와 같은 본 개시내용의 다양한 실시양태의 포괄적인 이해를 돕기 위해 제공된다. 여기에는 이해를 돕기 위한 다양한 특정 세부 사항이 포함되어 있지만 이는 단지 예시적인 것으로 간주되어야 한다. 따라서, 본 기술분야의 통상의 지식을 가진 자는 본 개시 내용의 범위 및 사상을 벗어나지 않고 본 명세서에 기재된 다양한 실시예의 다양한 변경 및 수정이 이루어질 수 있음을 인식할 것이다. 또한, 명료함과 간결함을 위해 잘 알려진 기능 및 구성에 대한 설명은 생략할 수 있다.
다음의 설명과 청구범위에 사용된 용어 및 단어는 문헌적 의미에 한정되지 않으며, 단지 본 발명을 명확하고 일관되게 이해하기 위해 발명자가 사용하는 것이다. 따라서 본 발명의 다양한 실시예에 대한 다음 설명은 첨부된 청구범위 및 그 균등물에 의해 정의된 바와 같은 본 발명을 제한하기 위한 것이 아니라, 단지 예시의 목적으로 제공된다는 것을 명백히 해야 한다.
단수 형태(예: "a", "an" 및 "the")는 문맥이 명백하게 달리 지시하지 않는 한 복수 지시 대상을 포함하는 것으로 이해되어야 한다. 따라서, 예를 들어 "구성요소 표면"에 대한 언급은 그러한 표면 중 하나 이상에 대한 언급을 포함할 수 있다.
이하, 실시예들을 첨부된 도면들을 참조하여 상세하게 설명한다. 첨부 도면을 참조하여 설명함에 있어, 도면 부호에 관계없이 동일한 구성 요소는 동일한 참조 부호를 부여하고, 이에 대한 중복되는 설명은 생략하기로 한다.
도 1은, 다양한 실시예들에 따른, 네트워크 환경(100) 내의 전자 장치(101)의 블록도이다. 도 1을 참조하면, 네트워크 환경(100)에서 전자 장치(101)는 제 1 네트워크(198)(예: 근거리 무선 통신 네트워크)를 통하여 전자 장치(102)와 통신하거나, 또는 제 2 네트워크(199)(예: 원거리 무선 통신 네트워크)를 통하여 전자 장치(104) 또는 서버(108) 중 적어도 하나와 통신할 수 있다. 일실시예에 따르면, 전자 장치(101)는 서버(108)를 통하여 전자 장치(104)와 통신할 수 있다. 일실시예에 따르면, 전자 장치(101)는 프로세서(120), 메모리(130), 입력 모듈(150), 음향 출력 모듈(155), 디스플레이 모듈(160), 오디오 모듈(170), 센서 모듈(176), 인터페이스(177), 연결 단자(178), 햅틱 모듈(179), 카메라 모듈(180), 전력 관리 모듈(188), 배터리(189), 통신 모듈(190), 가입자 식별 모듈(196), 또는 안테나 모듈(197)을 포함할 수 있다. 어떤 실시예에서는, 전자 장치(101)에는, 이 구성요소들 중 적어도 하나(예: 연결 단자(178))가 생략되거나, 하나 이상의 다른 구성요소가 추가될 수 있다. 어떤 실시예에서는, 이 구성요소들 중 일부들(예: 센서 모듈(176), 카메라 모듈(180), 또는 안테나 모듈(197))은 하나의 구성요소(예: 디스플레이 모듈(160))로 통합될 수 있다.
프로세서(120)는, 예를 들면, 소프트웨어(예: 프로그램(140))를 실행하여 프로세서(120)에 연결된 전자 장치(101)의 적어도 하나의 다른 구성요소(예: 하드웨어 또는 소프트웨어 구성요소)를 제어할 수 있고, 다양한 데이터 처리 또는 연산을 수행할 수 있다. 일실시예에 따르면, 데이터 처리 또는 연산의 적어도 일부로서, 프로세서(120)는 다른 구성요소(예: 센서 모듈(176) 또는 통신 모듈(190))로부터 수신된 명령 또는 데이터를 휘발성 메모리(132)에 저장하고, 휘발성 메모리(132)에 저장된 명령 또는 데이터를 처리하고, 결과 데이터를 비휘발성 메모리(134)에 저장할 수 있다. 일실시예에 따르면, 프로세서(120)는 메인 프로세서(121)(예: 중앙 처리 장치 또는 어플리케이션 프로세서) 또는 이와는 독립적으로 또는 함께 운영 가능한 보조 프로세서(123)(예: 그래픽 처리 장치, 신경망 처리 장치(NPU: neural processing unit), 이미지 시그널 프로세서, 센서 허브 프로세서, 또는 커뮤니케이션 프로세서)를 포함할 수 있다. 예를 들어, 전자 장치(101)가 메인 프로세서(121) 및 보조 프로세서(123)를 포함하는 경우, 보조 프로세서(123)는 메인 프로세서(121)보다 저전력을 사용하거나, 지정된 기능에 특화되도록 설정될 수 있다. 보조 프로세서(123)는 메인 프로세서(121)와 별개로, 또는 그 일부로서 구현될 수 있다.
보조 프로세서(123)는, 예를 들면, 메인 프로세서(121)가 인액티브(예: 슬립) 상태에 있는 동안 메인 프로세서(121)를 대신하여, 또는 메인 프로세서(121)가 액티브(예: 어플리케이션 실행) 상태에 있는 동안 메인 프로세서(121)와 함께, 전자 장치(101)의 구성요소들 중 적어도 하나의 구성요소(예: 디스플레이 모듈(160), 센서 모듈(176), 또는 통신 모듈(190))와 관련된 기능 또는 상태들의 적어도 일부를 제어할 수 있다. 일실시예에 따르면, 보조 프로세서(123)(예: 이미지 시그널 프로세서 또는 커뮤니케이션 프로세서)는 기능적으로 관련 있는 다른 구성요소(예: 카메라 모듈(180) 또는 통신 모듈(190))의 일부로서 구현될 수 있다. 일실시예에 따르면, 보조 프로세서(123)(예: 신경망 처리 장치)는 인공지능 모델의 처리에 특화된 하드웨어 구조를 포함할 수 있다. 인공지능 모델은 기계 학습을 통해 생성될 수 있다. 이러한 학습은, 예를 들어, 인공지능 모델이 수행되는 전자 장치(101) 자체에서 수행될 수 있고, 별도의 서버(예: 서버(108))를 통해 수행될 수도 있다. 학습 알고리즘은, 예를 들어, 지도형 학습(supervised learning), 비지도형 학습(unsupervised learning), 준지도형 학습(semi-supervised learning) 또는 강화 학습(reinforcement learning)을 포함할 수 있으나, 전술한 예에 한정되지 않는다. 인공지능 모델은, 복수의 인공 신경망 레이어들을 포함할 수 있다. 인공 신경망은 심층 신경망(DNN: deep neural network), CNN(convolutional neural network), RNN(recurrent neural network), RBM(restricted boltzmann machine), DBN(deep belief network), BRDNN(bidirectional recurrent deep neural network), 심층 Q-네트워크(deep Q-networks) 또는 상기 중 둘 이상의 조합 중 하나일 수 있으나, 전술한 예에 한정되지 않는다. 인공지능 모델은 하드웨어 구조 이외에, 추가적으로 또는 대체적으로, 소프트웨어 구조를 포함할 수 있다.
메모리(130)는, 전자 장치(101)의 적어도 하나의 구성요소(예: 프로세서(120) 또는 센서 모듈(176))에 의해 사용되는 다양한 데이터를 저장할 수 있다. 데이터는, 예를 들어, 소프트웨어(예: 프로그램(140)) 및, 이와 관련된 명령에 대한 입력 데이터 또는 출력 데이터를 포함할 수 있다. 메모리(130)는, 휘발성 메모리(132) 또는 비휘발성 메모리(134)를 포함할 수 있다. 비휘발성 메모리(134)는 내장 메모리(136) 및 외장 메모리(138)을 포함할 수 있다.
프로그램(140)은 메모리(130)에 소프트웨어로서 저장될 수 있으며, 예를 들면, 운영 체제(142), 미들 웨어(144) 또는 어플리케이션(146)을 포함할 수 있다.
입력 모듈(150)은, 전자 장치(101)의 구성요소(예: 프로세서(120))에 사용될 명령 또는 데이터를 전자 장치(101)의 외부(예: 사용자)로부터 수신할 수 있다. 입력 모듈(150)은, 예를 들면, 입력 모듈, 마우스, 키보드, 키(예: 버튼), 또는 디지털 펜(예: 스타일러스 펜)을 포함할 수 있다.
음향 출력 모듈(155)은 음향 신호를 전자 장치(101)의 외부로 출력할 수 있다. 음향 출력 모듈(155)은, 예를 들면, 스피커 또는 리시버를 포함할 수 있다. 스피커는 멀티미디어 재생 또는 녹음 재생과 같이 일반적인 용도로 사용될 수 있다. 리시버는 착신 전화를 수신하기 위해 사용될 수 있다. 일실시예에 따르면, 리시버는 음향 출력 모듈과 별개로, 또는 그 일부로서 구현될 수 있다.
디스플레이 모듈(160)은 전자 장치(101)의 외부(예: 사용자)로 정보를 시각적으로 제공할 수 있다. 디스플레이 모듈(160)은, 예를 들면, 디스플레이 모듈, 홀로그램 장치, 또는 프로젝터 및 해당 장치를 제어하기 위한 제어 회로를 포함할 수 있다. 일실시예에 따르면, 디스플레이 모듈(160)은 터치를 감지하도록 설정된 터치 센서, 또는 상기 터치에 의해 발생되는 힘의 세기를 측정하도록 설정된 압력 센서를 포함할 수 있다.
오디오 모듈(170)은 소리를 전기 신호로 변환시키거나, 반대로 전기 신호를 소리로 변환시킬 수 있다. 일실시예에 따르면, 오디오 모듈(170)은, 입력 모듈(150)을 통해 소리를 획득하거나, 음향 출력 모듈(155), 또는 전자 장치(101)와 직접 또는 무선으로 연결된 외부 전자 장치(예: 전자 장치(102))(예: 음향 출력 모듈 또는 헤드폰)를 통해 소리를 출력할 수 있다.
센서 모듈(176)은 전자 장치(101)의 작동 상태(예: 전력 또는 온도), 또는 외부의 환경 상태(예: 사용자 상태)를 감지하고, 감지된 상태에 대응하는 전기 신호 또는 데이터 값을 생성할 수 있다. 일실시예에 따르면, 센서 모듈(176)은, 예를 들면, 제스처 센서, 자이로 센서, 기압 센서, 마그네틱 센서, 가속도 센서, 그립 센서, 근접 센서, 컬러 센서, IR(infrared) 센서, 생체 센서, 온도 센서, 습도 센서, 또는 조도 센서를 포함할 수 있다.
인터페이스(177)는 전자 장치(101)가 외부 전자 장치(예: 전자 장치(102))와 직접 또는 무선으로 연결되기 위해 사용될 수 있는 하나 이상의 지정된 프로토콜들을 지원할 수 있다. 일실시예에 따르면, 인터페이스(177)는, 예를 들면, HDMI(high definition multimedia interface), USB(universal serial bus) 인터페이스, SD카드 인터페이스, 또는 오디오 인터페이스를 포함할 수 있다.
연결 단자(178)는, 그를 통해서 전자 장치(101)가 외부 전자 장치(예: 전자 장치(102))와 물리적으로 연결될 수 있는 커넥터를 포함할 수 있다. 일실시예에 따르면, 연결 단자(178)는, 예를 들면, HDMI 커넥터, USB 커넥터, SD 카드 커넥터, 또는 오디오 커넥터(예: 헤드폰 커넥터)를 포함할 수 있다.
햅틱 모듈(179)은 전기적 신호를 사용자가 촉각 또는 운동 감각을 통해서 인지할 수 있는 기계적인 자극(예: 진동 또는 움직임) 또는 전기적인 자극으로 변환할 수 있다. 일실시예에 따르면, 햅틱 모듈(179)은, 예를 들면, 모터, 압전 소자, 또는 전기 자극 장치를 포함할 수 있다.
카메라 모듈(180)은 정지 영상 및 동영상을 촬영할 수 있다. 일실시예에 따르면, 카메라 모듈(180)은 하나 이상의 렌즈들, 이미지 센서들, 이미지 시그널 프로세서들, 또는 플래시들을 포함할 수 있다.
전력 관리 모듈(188)은 전자 장치(101)에 공급되는 전력을 관리할 수 있다. 일실시예에 따르면, 전력 관리 모듈(188)은, 예를 들면, PMIC(power management integrated circuit)의 적어도 일부로서 구현될 수 있다.
배터리(189)는 전자 장치(101)의 적어도 하나의 구성요소에 전력을 공급할 수 있다. 일실시예에 따르면, 배터리(189)는, 예를 들면, 재충전 불가능한 1차 전지, 재충전 가능한 2차 전지 또는 연료 전지를 포함할 수 있다.
통신 모듈(190)은 전자 장치(101)와 외부 전자 장치(예: 전자 장치(102), 전자 장치(104), 또는 서버(108)) 간의 직접(예: 유선) 통신 채널 또는 무선 통신 채널의 수립, 및 수립된 통신 채널을 통한 통신 수행을 지원할 수 있다. 통신 모듈(190)은 프로세서(120)(예: 어플리케이션 프로세서)와 독립적으로 운영되고, 직접(예: 유선) 통신 또는 무선 통신을 지원하는 하나 이상의 커뮤니케이션 프로세서를 포함할 수 있다. 일실시예에 따르면, 통신 모듈(190)은 무선 통신 모듈(192)(예: 셀룰러 통신 모듈, 근거리 무선 통신 모듈, 또는 GNSS(global navigation satellite system) 통신 모듈) 또는 유선 통신 모듈(194)(예: LAN(local area network) 통신 모듈, 또는 전력선 통신 모듈)을 포함할 수 있다. 이들 통신 모듈 중 해당하는 통신 모듈은 제 1 네트워크(198)(예: 블루투스, WiFi(wireless fidelity) direct 또는 IrDA(infrared data association)와 같은 근거리 통신 네트워크) 또는 제 2 네트워크(199)(예: 레거시 셀룰러 네트워크, 5G 네트워크, 차세대 통신 네트워크, 인터넷, 또는 컴퓨터 네트워크(예: LAN 또는 WAN)와 같은 원거리 통신 네트워크)를 통하여 외부의 전자 장치(104)와 통신할 수 있다. 이런 여러 종류의 통신 모듈들은 하나의 구성요소(예: 단일 칩)로 통합되거나, 또는 서로 별도의 복수의 구성요소들(예: 복수 칩들)로 구현될 수 있다. 무선 통신 모듈(192)은 가입자 식별 모듈(196)에 저장된 가입자 정보(예: 국제 모바일 가입자 식별자(IMSI))를 이용하여 제 1 네트워크(198) 또는 제 2 네트워크(199)와 같은 통신 네트워크 내에서 전자 장치(101)를 확인 또는 인증할 수 있다.
무선 통신 모듈(192)은 4G 네트워크 이후의 5G 네트워크 및 차세대 통신 기술, 예를 들어, NR 접속 기술(new radio access technology)을 지원할 수 있다. NR 접속 기술은 고용량 데이터의 고속 전송(eMBB(enhanced mobile broadband)), 단말 전력 최소화와 다수 단말의 접속(mMTC(massive machine type communications)), 또는 고신뢰도와 저지연(URLLC(ultra-reliable and low-latency communications))을 지원할 수 있다. 무선 통신 모듈(192)은, 예를 들어, 높은 데이터 전송률 달성을 위해, 고주파 대역(예: mmWave 대역)을 지원할 수 있다. 무선 통신 모듈(192)은 고주파 대역에서의 성능 확보를 위한 다양한 기술들, 예를 들어, 빔포밍(beamforming), 거대 배열 다중 입출력(massive MIMO(multiple-input and multiple-output)), 전차원 다중입출력(FD-MIMO: full dimensional MIMO), 어레이 안테나(array antenna), 아날로그 빔형성(analog beam-forming), 또는 대규모 안테나(large scale antenna)와 같은 기술들을 지원할 수 있다. 무선 통신 모듈(192)은 전자 장치(101), 외부 전자 장치(예: 전자 장치(104)) 또는 네트워크 시스템(예: 제 2 네트워크(199))에 규정되는 다양한 요구사항을 지원할 수 있다. 일실시예에 따르면, 무선 통신 모듈(192)은 eMBB 실현을 위한 Peak data rate(예: 20Gbps 이상), mMTC 실현을 위한 손실 Coverage(예: 164dB 이하), 또는 URLLC 실현을 위한 U-plane latency(예: 다운링크(DL) 및 업링크(UL) 각각 0.5ms 이하, 또는 라운드 트립 1ms 이하)를 지원할 수 있다.
안테나 모듈(197)은 신호 또는 전력을 외부(예: 외부의 전자 장치)로 송신하거나 외부로부터 수신할 수 있다. 일실시예에 따르면, 안테나 모듈(197)은 서브스트레이트(예: PCB) 위에 형성된 도전체 또는 도전성 패턴으로 이루어진 방사체를 포함하는 안테나를 포함할 수 있다. 일실시예에 따르면, 안테나 모듈(197)은 복수의 안테나들(예: 어레이 안테나)을 포함할 수 있다. 이런 경우, 제 1 네트워크(198) 또는 제 2 네트워크(199)와 같은 통신 네트워크에서 사용되는 통신 방식에 적합한 적어도 하나의 안테나가, 예를 들면, 통신 모듈(190)에 의하여 상기 복수의 안테나들로부터 선택될 수 있다. 신호 또는 전력은 상기 선택된 적어도 하나의 안테나를 통하여 통신 모듈(190)과 외부의 전자 장치 간에 송신되거나 수신될 수 있다. 어떤 실시예에 따르면, 방사체 이외에 다른 부품(예: RFIC(radio frequency integrated circuit))이 추가로 안테나 모듈(197)의 일부로 형성될 수 있다.
다양한 실시예에 따르면, 안테나 모듈(197)은 mmWave 안테나 모듈을 형성할 수 있다. 일실시예에 따르면, mmWave 안테나 모듈은 인쇄 회로 기판, 상기 인쇄 회로 기판의 제 1 면(예: 아래 면)에 또는 그에 인접하여 배치되고 지정된 고주파 대역(예: mmWave 대역)을 지원할 수 있는 RFIC, 및 상기 인쇄 회로 기판의 제 2 면(예: 윗 면 또는 측 면)에 또는 그에 인접하여 배치되고 상기 지정된 고주파 대역의 신호를 송신 또는 수신할 수 있는 복수의 안테나들(예: 어레이 안테나)을 포함할 수 있다.
상기 구성요소들 중 적어도 일부는 주변 기기들간 통신 방식(예: 버스, GPIO(general purpose input and output), SPI(serial peripheral interface), 또는 MIPI(mobile industry processor interface))을 통해 서로 연결되고 신호(예: 명령 또는 데이터)를 상호간에 교환할 수 있다.
일실시예에 따르면, 명령 또는 데이터는 제 2 네트워크(199)에 연결된 서버(108)를 통해서 전자 장치(101)와 외부의 전자 장치(104)간에 송신 또는 수신될 수 있다. 외부의 전자 장치(102, 또는 104) 각각은 전자 장치(101)와 동일한 또는 다른 종류의 장치일 수 있다. 일실시예에 따르면, 전자 장치(101)에서 실행되는 동작들의 전부 또는 일부는 외부의 전자 장치들(102, 104, 또는 108) 중 하나 이상의 외부의 전자 장치들에서 실행될 수 있다. 예를 들면, 전자 장치(101)가 어떤 기능이나 서비스를 자동으로, 또는 사용자 또는 다른 장치로부터의 요청에 반응하여 수행해야 할 경우에, 전자 장치(101)는 기능 또는 서비스를 자체적으로 실행시키는 대신에 또는 추가적으로, 하나 이상의 외부의 전자 장치들에게 그 기능 또는 그 서비스의 적어도 일부를 수행하라고 요청할 수 있다. 상기 요청을 수신한 하나 이상의 외부의 전자 장치들은 요청된 기능 또는 서비스의 적어도 일부, 또는 상기 요청과 관련된 추가 기능 또는 서비스를 실행하고, 그 실행의 결과를 전자 장치(101)로 전달할 수 있다. 전자 장치(101)는 상기 결과를, 그대로 또는 추가적으로 처리하여, 상기 요청에 대한 응답의 적어도 일부로서 제공할 수 있다. 이를 위하여, 예를 들면, 클라우드 컴퓨팅, 분산 컴퓨팅, 모바일 에지 컴퓨팅(MEC: mobile edge computing), 또는 클라이언트-서버 컴퓨팅 기술이 이용될 수 있다. 전자 장치(101)는, 예를 들어, 분산 컴퓨팅 또는 모바일 에지 컴퓨팅을 이용하여 초저지연 서비스를 제공할 수 있다. 다른 실시예에 있어서, 외부의 전자 장치(104)는 IoT(internet of things) 기기를 포함할 수 있다. 서버(108)는 기계 학습 및/또는 신경망을 이용한 지능형 서버일 수 있다. 일실시예에 따르면, 외부의 전자 장치(104) 또는 서버(108)는 제 2 네트워크(199) 내에 포함될 수 있다. 전자 장치(101)는 5G 통신 기술 및 IoT 관련 기술을 기반으로 지능형 서비스(예: 스마트 홈, 스마트 시티, 스마트 카, 또는 헬스 케어)에 적용될 수 있다.
도 2는 일 실시예에 따른 전자 장치 내에서 음성 인식 결과를 분석하는 모듈의 블록도이다.
도 2에 도시된 모듈들(202-206)에서 처리되는 동작들은 프로세서(120)에 의하여 수행될 수 있다. 사용자 발화(201)는, 전자 장치(101)의 입력 모듈(150)(예: 입력 모듈)을 통해 수신될 수 있다. 사용자 발화(201)는 자동 음성 인식(automatic speech recognition)(ASR module)을 통해 텍스트로 변환될 수 있다.
자동 음성 인식을 통해 사용자 발화(201)를 텍스트로 변환하는 방법은 특정한 예시로 제한되지 않으며, 본 발명의 기술 분야에서 통상의 기술자가 용이하게 채용할 수 있는 다양한 방법이 이용될 수 있다.
일 실시예에 따르면, 피처 정보 결정 모듈(202)은 사용자 발화(201)에 대응하는 텍스트로부터 피처 정보를 생성할 수 있다. 피처 정보는, 한 문장을 구성하는 단어들의 분류 정보, 텍스트 정보, 길이 정보 및 이전 발화 정보 중 적어도 하나 이상을 포함할 수 있다.
텍스트 정보는 한 단어의 텍스트에 대한 정보일 수 있다. 분류 정보는, 텍스트 정보의 의미를 나타내는 정보일 수 있다. 예를 들어, 분류 정보는, 텍스트 정보가, 장소에 관한 것인지, 시간에 관한 것인지, 식당에 관한 것인지, 조사에 대한 것인지, 인물에 대한 것인지, 사물에 대한 것인지 등을 나타낼 수 있다.
길이 정보는 한 문장의 길이에 대한 정보일 수 있다. 길이 정보는, 복수의 기준 범위에 따라 분류될 수 있다. 예를 들어, 사용자 발화(201)에 대응하는 텍스트의 길이가 10이고, 기준 범위가 5부터 15인 경우, 사용자 발화(201)에 대응하는 텍스트의 길이 정보는 '중'으로 결정될 수 있다. 이전 발화 정보는, 이전에 인식된 사용자 발화(201)가 있는 경우, 이전에 인식된 사용자 발화(201)의 키워드 또는 문맥에 대한 정보를 의미할 수 있다.
일 실시예에 따르면, 피처 정보 결정 모듈(202)은, 사용자 발화(201)에 대응하는 텍스트를 복수의 토큰 정보로 구분할 수 있다. 토큰 정보는 문장을 구성하는 단어 단위의 텍스트를 의미할 수 있다.
피처 정보 결정 모듈(202)은, 메모리(130)에 미리 저장된 토큰 정보에 기초하여 사용자 발화(201)에 대응하는 텍스트를 토큰 정보로 구분할 수 있다. 피처 정보 결정 모듈(202)은, 사용자 발화(201)에 대응하는 텍스트와 메모리(130)에 미리 저장된 토큰 정보를 비교함으로써, 사용자 발화(201)에 대응하는 텍스트를 토큰 정보로 구분할 수 있다.
일 실시예에 따르면, 피처 정보 결정 모듈(202)은, 메모리(130)에 미리 저장된 피처 정보와 사용자 발화(201)에 대응하는 텍스트를 비교함으로써 사용자 발화(201)에 대응하는 텍스트로부터 피처 정보를 추출할 수 있다.
피처 정보 결정 모듈(202)은, 사용자 발화(201)에 대응하는 텍스트를 복수의 토큰 정보들로 구분하고, 메모리(130)에 저장된 피처 정보들 중 사용자 발화(201)에 대응하는 텍스트의 토큰 정보와 연관된 피처 정보들을 추출함으로써, 사용자 발화(201)에 대응하는 텍스트의 피처 정보를 생성할 수 있다.
일 실시예에 따르면, 메모리(130)는, 인공지능 모델의 트레이닝에 이용된 문장들을 도메인 별로 저장할 수 있고, 각 문장에 대한 피처 정보를 저장할 수 있다. 일 실시예에 따르면, 복수의 피처 정보들이 도메인 별로 구분되어 저장될 수 있다. 도메인 간에 동일한 피처 정보가 포함될 수 있다.
출력 도메인 결정 모듈(203)은, 사용자 발화(201)에 대응하는 텍스트의 피처 정보로부터 출력 도메인을 결정할 수 있다. 출력 도메인은, 사용자 발화(201)와 관련된 도메인 또는 사용자 발화(201)를 처리하는 도메인을 의미할 수 있다. 출력 도메인 결정 모듈(203)은, 사용자 발화(201)의 자연어 처리 과정을 통해 출력 도메인을 결정할 수 있다.
예를 들어, 사용자 발화(201)에 대응하는 텍스트가 “Find hotels nearby seoul”인 경우, 피처 정보 결정 모듈(202)은, 사용자 발화(201)에 대응하는 텍스트를 복수의 토큰 정보(예: ‘Find’, ‘hotels’, ‘nearby’, ‘seoul’)로 구분할 수 있다. 피처 정보 결정 모듈(202)은, 각 토큰 정보에 기초하여 피처 정보(예: [text: find], [text: hotels], [text: nearby], [location: seoul], [length: medium])를 결정할 수 있다.
출력 도메인 결정 모듈(203)은, 피처 정보를 이용하여 출력 도메인을 결정할 수 있다. 일례로, 사용자 발화(201)에 대응하는 텍스트가 “Find hotels nearby seoul”인 경우, 출력 도메인 결정 모듈(203)은, 자연어 처리를 통해, 호텔 검색을 처리할 수 있는 도메인을 출력 도메인으로 결정할 수 있다.
출력 도메인 결정 모듈(203)은, 사용자 발화(201)에 대응하는 텍스트로부터 출력 도메인을 결정하도록 트레이닝된 학습 모델을 이용하여 사용자 발화(201)에 대응하는 텍스트의 피처 정보로부터 출력 도메인을 결정할 수 있다.
사용자 발화(201)에 대응하는 텍스트로부터 출력 도메인을 결정하는 학습 모델은, 딥러닝 기반의 신경망 모델일 수 있으며, 룰 베이스 모델(rule-based model) 일 수도 있고, 신경망 모델(neual network model)(예: 피드포워드 신경망(feedforward neural network(FNN)), 순환 신경망(recurrent neural network(RNN)), 합성곱 신경망(convolutional neural network)) 일 수도 있다.학습 모델은 특정 예시로 제한되지 않으며, 본 발명의 기술 분야에서 통상의 기술자가 용이하게 채용할 수 있는 다양한 방법이 이용될 수 있다.
피처 정보 결정 모듈(205)은 사용자에 의해 결정되는 예상 도메인(204)을 식별할 수 있다. 예상 도메인(204)은, 사용자 발화(201)에 대해 사용자가 의도한 도메인을 의미할 수 있고, 전자 장치(101)의 입력 모듈(150)(예: 키보드), 터치 센서를 포함하는 디스플레이 모듈(160)을 통해 입력될 수 있다.
피처 정보 결정 모듈(205)은 예상 도메인(204) 및 출력 도메인 각각에 대해 미리 저장된 피처 정보들을 추출할 수 있다. 피처 결정 모듈(205)은, 메모리(130)로부터 예상 도메인(204)과 동일한 도메인에 대해 미리 저장된 문장들과 그 문장의 피처 정보들을 추출할 수 있다. 피처 결정 모듈(205)은, 메모리(130)로부터 출력 도메인과 동일한 도메인에 대해 미리 저장된 문장들과 그 문장의 피처 정보들을 추출할 수 있다.
유사도 판단 모듈(206)은 출력 도메인의 피처 정보들과 사용자 발화(201)에 대응하는 텍스트의 피처 정보 간의 제1 유사도 및 예상 도메인(204)의 피처 정보들과 사용자 발화(201)에 대응하는 피처 정보 간의 제2 유사도를 계산할 수 있다. 유사도는 피처 정보 간 유사한 정도를 나타내는 수치일 수 있다.
유사도 판단 모듈(206)은, 출력 도메인의 피처 정보들 각각에 대해 제1 유사도를 결정할 수 있다. 예를 들어, 유사도 판단 모듈(206)은, 텍스트의 피처 정보에 포함된 분류 정보와 출력 도메인과 관련된 피처 정보들에 포함되는 분류 정보들을 비교함으로써 제1 유사도를 결정할 수 있다.
유사도 판단 모듈(206)은, 출력 도메인의 피처 정보에 포함된 분류 정보들 중 사용자 발화(201)에 대응하는 텍스트의 피처 정보에 포함된 분류 정보들과 동일한 분류 정보의 개수를 기준으로, 출력 도메인에 대한 제1 유사도를 결정할 수 있다.
유사도 판단 모듈(206)은, 예상 도메인(204)의 피처 정보들 각각에 대해 제2 유사도를 결정할 수 있다. 예를 들어, 유사도 판단 모듈(206)은, 텍스트의 피처 정보에 포함된 분류 정보와 예상 도메인(204)과 관련된 피처 정보들에 포함되는 분류 정보들을 비교함으로써 제2 유사도를 결정할 수 있다.
유사도 판단 모듈(206)은, 예상 도메인(204)의 피처 정보에 포함된 분류 정보들 중 사용자 발화(201)에 대응하는 텍스트의 피처 정보에 포함된 분류 정보들과 동일한 분류 정보의 개수를 기준으로, 예상 도메인(204)의 피처 정보에 대한 제2 유사도를 결정할 수 있다.
일 실시예에 따르면, 유사도 판단 모듈(206)은, 아래 수학식 1을 이용하여 제1 유사도 또는 제2 유사도를 결정할 수 있다.
Figure PCTKR2022000655-appb-img-000001
수학식 1에서, A는, 출력 도메인 또는 예상 도메인(204)의 피처 정보에 포함된 정보들(예: 분류 정보, 길이 정보, 중 적어도 하나 이상의 정보)의 집합을 의미할 수 있다. B는, 사용자 발화(201)에 대응하는 텍스트의 피처 정보에 포함된 정보들(예: 분류 정보, 길이 정보, 중 적어도 하나 이상의 정보)의 집합을 의미할 수 있다. J(A, B)는 A, B 간의 유사도를 의미할 수 있다.
유사도 판단 모듈(206)은, i) 사용자 발화(201)에 대응하는 텍스트의 피처 정보에 포함된 정보들과 출력 도메인 또는 ii) 예상 도메인(204)의 피처 정보에 포함된 정보들 중 공통되는 정보들을 기준으로 제1 유사도 또는 제2 유사도를 결정할 수 있다.
유사도 판단 모듈(206)은, 출력 도메인의 피처 정보들 및 예상 도메인(204)의 피처 정보들에 포함되는 분류 정보, 텍스트 정보, 길이 정보 및 이전 발화 정보의 가중치를 고려하여, 제1 유사도 또는 제2 유사도를 결정할 수 있다.
예를 들어, 출력 도메인의 피처 정보에 포함된 분류 정보 중 가중치가 높은 분류 정보가 사용자 발화(201)에 대응하는 텍스트의 피처 정보에 포함된 분류 정보와 동일한 경우의 제1 유사도는, 출력 도메인의 피처 정보에 포함된 분류 정보 중 가중치가 낮은 분류 정보가 사용자 발화(201)에 대응하는 텍스트의 피처 정보에 포함된 분류 정보와 동일한 경우의 제1 유사도 보다 높게 결정될 수 있다.
가중치는 메모리(130)에 저장된 피처 정보들 각각에 대해 미리 결정될 수 있다. 가중치는, 동일한 피처 정보라도 도메인 별로 다르게 결정될 수 있다. 가중치는 도메인과 연관성이 높을수록 높은 값으로 결정될 수 있다. 도메인 별로 피처 정보의 가중치는, 사용자에 의해 미리 결정될 수 있다.
일 실시예에 따르면, 특정 도메인의 피처 정보들에 포함되는 분류 정보들 중 피처 정보에 포함되는 빈도가 높을수록 그 분류 정보의 가중치가 높게 결정될 수 있다. 일 실시예에 따르면, 특정 도메인의 피처 정보들에 포함되는 텍스트 정보들 중 피처 정보에 포함되는 빈도가 높을수록 그 텍스트 정보의 가중치가 높게 결정될 수 있다.
일 실시예에 따르면, 출력 도메인의 피처 정보와, 예상 도메인(204)의 피처 정보가 디스플레이 모듈(160)에 포함될 수 있다. 출력 도메인의 피처 정보에 대한 제1 유사도 또는 예상 도메인(204)의 피처 정보에 대한 제2 유사도는 디스플레이 모듈(160)에 표시될 수 있다.
도 3은, 일 실시예에 따른 사용자 발화에 대응하는 텍스트 및 그 텍스트의 분류 정보를 나타낸 것이다.
도 3의 (A)는, 일 실시예에 따른 사용자 발화(예: 도 2의 사용자 발화(201))가 자동 음성 인식을 통해 텍스트로 변환되고, 복수의 토큰 정보(301)로 구분된 예를 도시한 도면이다. 도 3의 (B)는, 일 실시예에 따른 도 3의 (A)에 포함된 토큰 정보(301)에 기초하여 추출된 분류 정보들의 예를 도시한 도면이다.
예를 들어, 도 3의 (A)과 같이, 사용자 발화에 대응하는 텍스트가 "내일 중에 인천 공항에 도착하는 항공편 찾아줘" 인 경우, '내일', '중', '에', '인천', '공항', '에', '도착', '하', '는', '항공', '편', '찾', '아', '줘' 가 각각의 토큰 정보(301)일 수 있다.
각 토큰 정보(301)에 대하여 메모리(130)에 미리 저장된 분류 정보가 추출될 수 있다. 예를 들어, '공항'에 대해, 도 3의 (B)와 같이 장소(예: geo.PlaceType), 공항(예: flight.Airport)가 분류 정보로 결정될 수 있다.
도 4는, 일 실시예에 따른, 사용자 발화에 대응하는 텍스트의 피처 정보의 예를 도시한 도면이다.
도 4는, 사용자 발화(예: 도 2의 사용자 발화(201))에 대응하는 텍스트의 토큰 정보(401)와, 사용자 발화에 대응하는 텍스트의 피처 정보를 나타낸 것이다. '내일', '중', '에', '인천', '공항', '에', '도착', '하', '는', '항공', '편', '찾', '아', '줘' 가 각각의 토큰 정보(401)일 수 있다.
이전 발화 정보(402)는 이전에 인식된 사용자 발화의 키워드 또는 문맥에 대한 정보일 수 있다. 예를 들어, 이전에 인식된 사용자 발화가 비행과 관련된 발화인 경우, 이전 발화 정보(402)는, 도 4와 같이 비행(예: flight context)일 수 있다. 프로세서(120)는, 사용자 발화가 입력되는 경우, 자연어 처리를 수행하고, 이전 발화 정보(402)를 업데이트할 수 있다.
분류 정보(403)는 토큰 정보(401)의 의미를 나타내는 정보일 수 있다. 메모리(130)에 토큰 정보(401) 별로 미리 저장된 분류 정보(403)에 따라, 사용자 발화에 대응하는 텍스트의 분류 정보(403)가 결정될 수 있다. 텍스트 정보(404)는, 사용자 발화에 대응하는 텍스트에 대한 정보를 의미할 수 있다. 텍스트 정보(404)는, 토큰 정보(401)들을 포함할 수 있다.
길이 정보(405)는, 사용자 발화에 대응하는 텍스트의 길이를 나타내는 정보일 수 있다. 사용자 발화에 대응하는 텍스트의 길이가 일정 기준 범위에 속하는 경우, 그 기준 범위에 대응하는 인덱스가 길이 정보(405)로 결정될 수 있다. 예를 들어, 텍스트의 길이가 10 이상 20이하인 경우, 길이 정보(405)는 '상'(예: LONG-LEN)으로 결정될 수 있다.
도 5는, 일 실시예에 따른, 예상 도메인을 입력하는 인터페이스를 도시한 도면이다.
도 5를 참조하면, 사용자는 도 5의 GUI(graphical user interface)인터페이스를 통해 사용자가 의도한 예상 도메인(502)을 입력할 수 있다. GUI인터페이스는 전자 장치(101)의 디스플레이 모듈(160)에 의해 표시될 수 있다. GUI인터페이스는, 자동 음성 인식을 통해 인식된 사용자 발화(501)(예: 도 2의 사용자 발화(201))에 대응하는 텍스트(504)를 포함할 수 있다.
일 실시예에 따르면, 사용자는 예상 도메인(502)(예: 도 2의 예상 도메인(204))을 인터페이스 상에서 선택하거나 입력할 수 있다. 도 5를 참조하면, 사용자는 입력 인터페이스(505)을 이용하여 예상 도메인(502)을 선택하거나 직접 입력하거나, 발화를 통해 입력할 수 있다.
GUI 인터페이스는 예상 도메인(502)의 종류(503)를 선택할 수 있는 입력 인터페이스(506)을 포함할 수 있다. 사용자는 입력 인터페이스(506)를 통해 사용자 발화(501)의 종류(503)를 결정할 수 있다. 사용자 발화(501)의 종류(503)가 결정된 경우, 프로세서(120)는, 예상 도메인(502)의 분류 정보들 중 사용자 발화(501)의 종류(503)와 연관된 분류 정보들이 포함된 피처 정보들을 추출할 수 있다.
예를 들어, 도 5와 같이, 사용자 발화(501)(예: "내일 중에 인천 공항에 도착하는 항공편 찾아줘")에 대해, 예상 도메인(502)이 항공 관련 예약 어플리케이션인 'Expedia'로 결정되고, 종류(503)가 '여행'으로 결정된 경우, 프로세서(120)는, 'Expedia'에 대한 피처 정보들을 추출하고, 피처 정보들의 분류 정보들 중 '여행'과 관련된 분류 정보들이 포함된 피처 정보들을 추출할 수 있다.
도 5에 도시된 GUI 인터페이스의 실행 버튼(507)이 입력되는 경우, 프로세서(120)는, 예상 도메인(502)에 대하여 미리 저장된 문장들과 피처 정보들을 추출할 수 있다. 프로세서(120)는, 추출된 피처 정보들과 사용자 발화(501)로부터 추출된 피처 정보들을 비교함으로써, 유사도가 가장 높은 피처 정보들을 결정할 수 있다.
도 6는, 일 실시예에 따른, 예상 도메인과 출력 도메인의 피처 정보들을 표시하는 인터페이스를 도시한 도면이다.
도 6의 GUI 인터페이스를 통해, 개발자는, 자연어 처리를 수행하는 학습 모델에 의해 결정된 출력 도메인(621)의 피처 정보들 중 사용자 발화(예: 도 2의 사용자 발화(201))의 피처 정보와 유사도가 높은 피처 정보들과, 예상 도메인(611)(예: 도 2의 예상 도메인(611)(204))의 피처 정보들 중 사용자 발화의 피처 정보와 유사도가 높은 피처 정보들을 확인함으로써, 학습 모델의 출력에 영향을 준 피처 정보들의 분석할 수 있다.
도 6의 GUI 인터페이스는, 전자 장치(101)의 디스플레이 모듈(160)에 의해 표시될 수 있고, 사용자 발화에 대한 인터페이스(600), 예상 도메인(611)에 대한 인터페이스(610), 출력 도메인(621)에 대한 인터페이스(620)를 포함할 수 있다. 도 6의 GUI 인터페이스에 포함되는 데이터들은 다양한 형태로 배치될 수 있으며, 도시된 예로 제한되지 않는다.
일 실시예에 따르면, 도 6의 GUI 인터페이스에서, 예상 도메인(611)에 대한 인터페이스(610)는 표시되지 않을 수 있고, 별도의 입력 과정을 통해 출력 도메인(621)에 대한 인터페이스(620)과 같이 표시될 수 있다.
사용자 발화에 대한 인터페이스(600)는, 사용자 발화에 대응하는 텍스트(601)와 사용자 발화에 대응하는 텍스트(601)에 기초하여 결정된 분류 정보(602)를 포함할 수 있다. 사용자 발화에 대한 인터페이스(600)는, 사용자 발화에 대응하는 텍스트(601)의 분류 정보 이외 다른 피처 정보를 포함할 수 있다.
예상 도메인(611)에 대한 인터페이스(610)는, 사용자에 의해 결정된 예상 도메인(611)을 포함할 수 있다. 예상 도메인(611)에 대한 인터페이스(610)는, 예상 도메인(611)에 대한 피처 정보(612, 616)들을 포함할 수 있다. 예상 도메인(611)에 대한 인터페이스(610)는, 각 피처 정보(612, 616)와 사용자 발화에 대응하는 텍스트(601)의 피처 정보 간의 제2 유사도(615, 619)를 포함할 수 있다.
예상 도메인(611)에 대한 인터페이스(610)에 표시되는 피처 정보(612, 616)는, 예상 도메인(611)에 대해 미리 저장된 피처 정보들 중 사용자 발화에 대응하는 텍스트(601)의 피처 정보와의 제2 유사도(615, 619)가 가장 높은 피처 정보(612, 616)일 수 있다. 프로세서(120)는, 예상 도메인(611)과 관련된 피처 정보들 중 사용자 발화에 대응하는 텍스트(601)의 피처 정보와의 제2 유사도(615, 619)가 가장 높은 순으로 피처 정보를 디스플레이 모듈(160)에 표시할 수 있다.
피처 정보(612)는, 피처 정보(612)에 대응하는 문장(613)과, 분류 정보(614)를 포함할 수 있다. 예상 도메인(611)과 관련된 피처 정보들의 분류 정보들 중 예상 도메인(611)과 연관성이 높을수록, 분류 정보의 가중치가 높게 결정될 수 있다. 프로세서(120)는, 도메인과 관련된 피처 정보들에 포함된 분류 정보들 중 가중치가 기준 보다 높은 분류 정보(614)들을 다른 분류 정보(614)들과 구분되도록 디스플레이 모듈(160)에 표시할 수 있다.
예를 들어, 프로세서(120)는, 가중치가 높을수록 분류 정보(614)의 음영을 높임으로써 가중치의 크기가 구별되도록 분류 정보(614)를 표시할 수 있다. 피처 정보(616)는, 피처 정보(616)에 대응하는 문장(617)과, 분류 정보(618)를 포함할 수 있다.
출력 도메인(621)에 대한 인터페이스(620)에 표시되는 피처 정보(622)는, 출력 도메인(621)에 대해 미리 저장된 피처 정보들 중 사용자 발화에 대응하는 텍스트(601)의 피처 정보와의 제1 유사도(625)가 가장 높은 피처 정보(622)일 수 있다. 프로세서(120)는, 출력 도메인(621)과 관련된 피처 정보들 중 사용자 발화에 대응하는 텍스트(601)의 피처 정보와의 제1 유사도가 가장 높은 순으로 피처 정보를 디스플레이 모듈(160)에 표시할 수 있다.
피처 정보(622)는, 피처 정보(623)에 대응하는 문장(623)과, 분류 정보(624)를 포함할 수 있다. 출력 도메인(621)과 관련된 피처 정보들의 분류 정보들 중 출력 도메인(621)과 연관성이 높을수록, 분류 정보의 가중치가 높게 결정될 수 있다. 프로세서(120)는, 도메인과 관련된 피처 정보들에 포함된 분류 정보들 중 가중치가 기준 보다 높은 분류 정보(624)들을 다른 분류 정보들과 구분되도록 디스플레이 모듈(160)에 표시할 수 있다.
도 7는, 일 실시예에 따른, 예상 도메인과 출력 도메인의 피처 정보들을 표시하는 인터페이스의 예시를 도시한 도면이다.
도 7에 도시된 GUI 인터페이스(700)은, 디스플레이 모듈(160)을 통해 표시될 수 있다. GUI 인터페이스(700)는, i) 사용자 발화에 대응하는 텍스트(701), 사용자 발화에 대응하는 텍스트(701)로부터 추출된 피처 정보(702), 예상 도메인(704), 예상 도메인과 관련된 피처 정보들 중 피처 정보(702)와 유사도가 기준 이상인 피처 정보(705, 706), 및 출력 도메인(707), 출력 도메인과 관련된 피처 정보들 중 피처 정보(702)와 유사도가 기준 이상인 피처 정보(708, 709) 중 적어도 하나 이상을 포함할 수 있다.
예를 들어, 도 7을 참조하면, 사용자 발화에 대응하는 텍스트(701)가 "내일 중에 인천 공항에 도착하는 항공편 찾아줘"인 경우, '내일', '인천', '공항', '편'에 대한 분류 정보(702)가 피처 정보(702)로 추출될 수 있다. 사용자의 기대 도메인은(704) 'Expedia'이나 학습 모델에 의해 결정된 출력 도메인(707)은 '하나 투어' 일 수 있다.
프로세서(120)는, 출력 도메인(707)과 예상 도메인(704)과 관련하여 학습 모델의 학습 데이터로 미리 저장된 피처 정보들 중 사용자 발화와 유사도가 가장 높은 피처 정보(705, 706, 708, 709)를, 디스플레이 모듈(160)을 통해 표시함으로써, 개발자가 어떤 피처 정보로 인하여 학습 모델이 예상 도메인(704)이 아닌 출력 도메인(707)을 출력했는지 분석할 수 있다.
도 8는, 일 실시예에 따른, 도메인 별로 분류 정보의 가중치를 나타내는 그래프를 도시한 도면이다.
프로세서(120)는, 디스플레이 모듈(160)을 통해, 메모리(130)에 미리 저장된 분류 정보들의 가중치가 도메인 별로 어떻게 결정되어 있는지 그래프로 표시할 수 있다. 프로세서(120)는, 도메인 별로, 사용자의 가이드라인이나 빈도 수에 따라 분류 정보와 같은 피처 정보의 가중치를 결정할 수 있다.
프로세서(120)는, 미리 저장된 분류 정보들의 도메인 별 가중치를 추출하고, 디스플레이 모듈(160)에 그래프로 표시할 수 있다. 예를 들어, '여행', '날짜', '호텔'과 같은 분류 정보의 가중치는, 금융과 관련된 도메인에서 보다, 비행편이나 숙박을 예약하기 위한 도메인에서 더 높게 결정될 수 있다. 도 8에 도시된 그래프를 통해, 개발자는, 분류 정보들이 도메인에 따라 가중치가 어떻게 결정되어 있는지 확인할 수 있다.
도 9는, 일 실시예에 따른, 도메인에 대한 피처 정보들의 가중치 및 빈도를 나타내는 인터페이스를 도시한 도면이다.
도 9는 특정 도메인인 도메인 A (901)에 대해 미리 저장된 피처 정보들에 포함된 분류 정보 및 분류 정보의 빈도 수에 관한 그래프를 도시한 도면이다. 피처 정보들은 도메인 A (901)와 연관된 피처 정보들로 메모리(130)에 미리 저장될 수 있다.
도 9의 (A)를 참조하면, 도메인 A (901)와 관련된 문장들에 포함되는 분류 정보의 빈도 수를 그래프로 나타낸 것이다.
도 9의 (B)는, 도메인 A (901)와 관련된 분류 정보와 도메인 A (901)에 대한 분류 정보의 가중치를 나타낸 것이다. 프로세서(120)는, 특정 도메인에 대해 미리 저장된 분류 정보들과 분류 정보들의 가중치를 추출하고, 디스플레이 모듈(160)을 통해, 분류 정보들의 빈도수나 가중치를 표시할 수 있다.
개발자는, 도메인 A (901)와 관련하여 어떠한 분류 정보가 가장 많이 학습 데이터에 포함되어 있고, 어떤 분류 정보의 가중치가 높게 결정되는지 분석할 수 있다.
도 10은 일 실시예에 따른 음성 인식 결과를 분석하는 방법의 흐름도이다.
동작(1001)에서, 프로세서(120)는, 사용자 발화에 대응하는 텍스트에 기초하여, 피처 정보를 생성할 수 있다. 프로세서(120)는, 자동 음성 인식을 통해 수신된 사용자 발화를 텍스트로 변환하여, 사용자 발화에 대응하는 텍스트를 획득할 수 있다. 프로세서(120)는, 메모리(130)에 미리 저장된 피처 정보들에 기초하여, 사용자 발화에 대응하는 텍스트의 피처 정보를 결정할 수 있다.
동작(1002)에서, 프로세서(120)는, 텍스트의 피처 정보에 기초하여, 사용자 발화를 처리하는 출력 도메인을 결정할 수 있다. 프로세서(120)는, 사용자 발화에 대응하는 텍스트의 피처 정보를, 텍스트로부터 사용자 발화를 처리할 도메인을 결정하도록 트레이닝된 학습 모델에 입력함으로써, 출력 도메인을 결정할 수 있다.
동작(1003)에서, 프로세서(120)는, 메모리(130)로부터 출력 도메인과 관련된 피처 정보들을 추출할 수 있다. 메모리(130)는, 도메인 별로, 학습 모델의 트레이닝에 이용된 피처 정보들을 저장할 수 있다. 프로세서(120)는, 메모리(130)로부터 출력 도메인에 대해 미리 저장된 피처 정보들을 추출할 수 있다. 프로세서(120)는, 사용자로부터 결정된 예상 도메인을 식별하고, 메모리(130)로부터 예상 도메인에 대해 미리 저장된 피처 정보들을 추출할 수 있다.
동작(1004)에서, 프로세서(120)는, 디스플레이 모듈(160)을 이용하여, 출력 도메인과 관련된 피처 정보들을 표시할 수 있다. 프로세서(120)는, i) 사용자 발화에 대응하는 텍스트, ii) 사용자 발화에 대응하는 텍스트의 피처 정보, iii) 출력 도메인의 피처 정보들, iv) 예상 도메인의 피처 정보들, v) 출력 도메인의 피처 정보와 사용자 발화에 대응하는 텍스트의 피처 정보 간의 제1 유사도 및 vii) 예상 도메인의 피처 정보와 사용자 발화에 대응하는 텍스트의 피처 정보 간의 제2 유사도 중 적어도 하나 이상을 디스플레이 모듈(160)에 표시할 수 있다.
프로세서(120)는, 제1 유사도가 높은 순으로 출력 도메인의 피처 정보들을 표시할 수 있고, 예상 도메인의 제2 유사도 높은 순으로 피처 정보들을 표시할 수 있다. 프로세서(120)는, 예상 도메인 또는 출력 도메인과 관련된 피처 정보들에 포함된 분류 정보들 중 가중치가 기준 보다 높은 분류 정보를 디스플레이 모듈(160)에 표시할 수 있다.
일 실시예에 따르면, 프로세서(120)는, 사용자로부터 별도의 예상 도메인의 수신 없이 출력 도메인에 관한 피처 정보를 추출하고, 출력 도메인과 관련된 피처 정보들 중 사용자 발화에 대응하는 텍스트의 피처 정보와 제1 유사도가 높은 피처 정보를 결정하고, 디스플레이 모듈(160)에 표시할 수 있다. 프로세서(120)는, 제1 유사도를 결정함에 있어, 피처 정보에 포함된 정보에 대해 미리 결정된 가중치를 고려하여, 제1 유사도를 결정할 수 있다.
도 11은 일 실시예에 따른 통합 지능 (integrated intelligence) 시스템을 나타낸 블록도이다.
도 11을 참조하면, 일 실시예의 통합 지능화 시스템은 사용자 단말(101), 지능형 서버(1100), 및 CP 서비스 A(1192), CP 서비스 B(1193) 및 CP 서비스 C를 포함하는 서비스 서버(1191)를 포함할 수 있다.
일 실시 예의 사용자 단말(101)은, 인터넷에 연결 가능한 단말 장치(또는, 전자 장치)일 수 있으며, 예를 들어, 휴대폰, 스마트폰, PDA(personal digital assistant), 노트북 컴퓨터, TV, 백색 가전, 웨어러블 장치, HMD, 또는 스마트 음향 출력 모듈일 수 있다.
도시된 실시 예에 따르면, 사용자 단말(101)은 인터페이스(177), 입력 모듈(150), 음향 출력 모듈(155), 디스플레이 모듈(160), 메모리(130), 또는 프로세서(120)를 포함할 수 있다. 상기 열거된 구성요소들은 서로 작동적으로 또는 전기적으로 연결될 수 있다.
일 실시 예의 인터페이스(177)는 외부 장치와 연결되어 데이터를 송수신하도록 구성될 수 있다. 일 실시 예의 입력 모듈(150)는 소리(예: 사용자 발화)를 수신하여, 전기적 신호로 변환할 수 있다. 일 실시예의 음향 출력 모듈(155)는 전기적 신호를 소리(예: 음성)으로 출력할 수 있다. 일 실시 예의 디스플레이 모듈(160)는 이미지 또는 비디오를 표시하도록 구성될 수 있다. 일 실시 예의 디스플레이 모듈(160)는 또한 실행되는 앱(app)(또는, 어플리케이션 프로그램(application program))의 그래픽 사용자 인터페이스(graphic user interface)(GUI)를 표시할 수 있다.
일 실시 예의 메모리(130)는 클라이언트 모듈(144-2), SDK(software development kit)(144-1), 및 복수의 앱들(146)을 저장할 수 있다. 상기 클라이언트 모듈(144-2), 및 SDK(144-1)는 범용적인 기능을 수행하기 위한 프레임워크(framework)(또는, 솔루션 프로그램)를 구성할 수 있다. 또한, 클라이언트 모듈(144-2) 또는 SDK(144-1)는 음성 입력을 처리하기 위한 프레임워크를 구성할 수 있다.
일 실시 예의 메모리(130)는 상기 복수의 앱들(146)은 지정된 기능을 수행하기 위한 프로그램일 수 있다. 일 실시 예에 따르면, 복수의 앱(146)은 제1 앱(146_1), 제2 앱(146_2) 을 포함할 수 있다. 일 실시 예에 따르면, 복수의 앱(146) 각각은 지정된 기능을 수행하기 위한 복수의 동작들을 포함할 수 있다. 예를 들어, 상기 앱들은, 알람 앱, 메시지 앱, 및/또는 스케줄 앱을 포함할 수 있다. 일 실시 예에 따르면, 복수의 앱들(146)은 프로세서(120)에 의해 실행되어 상기 복수의 동작들 중 적어도 일부를 순차적으로 실행할 수 있다.
일 실시 예의 프로세서(120)는 사용자 단말(101)의 전반적인 동작을 제어할 수 있다. 예를 들어, 프로세서(120)는 인터페이스(177), 입력 모듈(150), 음향 출력 모듈(155), 및 디스플레이 모듈(160)와 전기적으로 연결되어 연결되어 지정된 동작을 수행할 수 있다.
일 실시 예의 프로세서(120)는 또한 상기 메모리(130)에 저장된 프로그램을 실행시켜 지정된 기능을 수행할 수 있다. 예를 들어, 프로세서(120)는 클라이언트 모듈(144-2) 또는 SDK(144-1) 중 적어도 하나를 실행하여, 음성 입력을 처리하기 위한 이하의 동작을 수행할 수 있다. 프로세서(120)는, 예를 들어, SDK(144-1)를 통해 복수의 앱(146)의 동작을 제어할 수 있다. 클라이언트 모듈(144-2) 또는 SDK(144-1)의 동작으로 설명된 이하의 동작은 프로세서(120)의 실행에 의한 동작일 수 있다.
일 실시 예의 클라이언트 모듈(144-2)은 음성 입력을 수신할 수 있다. 예를 들어, 클라이언트 모듈(144-2)은 입력 모듈(150)를 통해 감지된 사용자 발화에 대응되는 음성 신호를 수신할 수 있다. 상기 클라이언트 모듈(144-2)은 수신된 음성 입력을 지능형 서버(1100)로 송신할 수 있다. 클라이언트 모듈(144-2)은 수신된 음성 입력과 함께, 사용자 단말(101)의 상태 정보를 지능형 서버(1100)로 송신할 수 있다. 상기 상태 정보는, 예를 들어, 앱의 실행 상태 정보일 수 있다.
일 실시 예의 클라이언트 모듈(144-2)은 수신된 음성 입력에 대응되는 결과를 수신할 수 있다. 예를 들어, 클라이언트 모듈(144-2)은 지능형 서버(1100)에서 상기 수신된 음성 입력에 대응되는 결과를 산출할 수 있는 경우, 수신된 음성 입력에 대응되는 결과를 수신할 수 있다. 클라이언트 모듈(144-2)은 상기 수신된 결과를 디스플레이 모듈(160)에 표시할 수 있다.
일 실시 예의 클라이언트 모듈(144-2)은 수신된 음성 입력에 대응되는 플랜을 수신할 수 있다. 클라이언트 모듈(144-2)은 플랜에 따라 앱의 복수의 동작을 실행한 결과를 디스플레이 모듈(160)에 표시할 수 있다. 클라이언트 모듈(144-2)은, 예를 들어, 복수의 동작의 실행 결과를 순차적으로 디스플레이 모듈(160)에 표시할 수 있다. 사용자 단말(101)은, 다른 예를 들어, 복수의 동작을 실행한 일부 결과(예: 마지막 동작의 결과)만을 디스플레이 모듈(160)에 표시할 수 있다.
일 실시 예에 따르면, 클라이언트 모듈(144-2)은 지능형 서버(1100)로부터 음성 입력에 대응되는 결과를 산출하기 위해 필요한 정보를 획득하기 위한 요청을 수신할 수 있다. 일 실시 예에 따르면, 클라이언트 모듈(144-2)은 상기 요청에 대응하여 상기 필요한 정보를 지능형 서버(1100)로 송신할 수 있다.
일 실시 예의 클라이언트 모듈(144-2)은 플랜에 따라 복수의 동작을 실행한 결과 정보를 지능형 서버(1100)로 송신할 수 있다. 지능형 서버(1100)는 상기 결과 정보를 이용하여 수신된 음성 입력이 올바르게 처리된 것을 확인할 수 있다.
일 실시 예의 클라이언트 모듈(144-2)은 음성 인식 모듈을 포함할 수 있다. 일 실시 예에 따르면, 클라이언트 모듈(144-2)은 상기 음성 인식 모듈을 통해 제한된 기능을 수행하는 음성 입력을 인식할 수 있다. 예를 들어, 클라이언트 모듈(144-2)은 지정된 입력(예: 웨이크 업!)을 통해 유기적인 동작을 수행하기 위한 음성 입력을 처리하기 위한 지능형 앱을 수행할 수 있다.
일 실시 예의 지능형 서버(1100)는 통신 망을 통해 사용자 단말(101)로부터 사용자 음성 입력과 관련된 정보를 수신할 수 있다. 일 실시 예에 따르면, 지능형 서버(1100)는 수신된 음성 입력과 관련된 데이터를 텍스트 데이터(text data)로 변경할 수 있다. 일 실시 예에 따르면, 지능형 서버(1100)는 상기 텍스트 데이터에 기초하여 사용자 음성 입력과 대응되는 태스크(task)를 수행하기 위한 플랜(plan)을 생성할 수 있다
일 실시 예에 따르면, 플랜은 인공 지능(artificial intelligent)(AI) 시스템에 의해 생성될 수 있다. 인공지능 시스템은 룰 베이스 시스템(rule-based system) 일 수도 있고, 신경망 베이스 시스템(neual network-based system)(예: 피드포워드 신경망(feedforward neural network(FNN)), 순환 신경망(recurrent neural network(RNN))) 일 수도 있다. 또는, 전술한 것의 조합 또는 이와 다른 인공지능 시스템일 수도 있다. 일 실시 예에 따르면, 플랜은 미리 정의된 플랜의 집합에서 선택될 수 있거나, 사용자 요청에 응답하여 실시간으로 생성될 수 있다. 예를 들어, 인공지능 시스템은 미리 정의 된 복수의 플랜 중 적어도 플랜을 선택할 수 있다.
일 실시 예의 지능형 서버(1100)는 생성된 플랜에 따른 결과를 사용자 단말(101)로 송신하거나, 생성된 플랜을 사용자 단말(101)로 송신할 수 있다. 일 실시 예에 따르면, 사용자 단말(101)은 플랜에 따른 결과를 디스플레이 모듈(160)에 표시할 수 있다. 일 실시 예에 따르면, 사용자 단말(101)은 플랜에 따른 동작을 실행한 결과를 디스플레이 모듈(160)에 표시할 수 있다.
일 실시 예의 지능형 서버(1100)는 프론트 엔드(front end)(1110), 자연어 플랫폼(natual language platform)(1120), 캡슐 데이터베이스(capsule DB)(1130), 실행 엔진(execution engine)(1140), 엔드 유저 인터페이스(end user interface)(1150), 매니지먼트 플랫폼(management platform)(1160), 빅 데이터 플랫폼(big data platform)(1170), 또는 분석 플랫폼(analytic platform)(1180)을 포함할 수 있다.
일 실시 예의 프론트 엔드(1110)는 사용자 단말(101)로부터 수신된 음성 입력을 수신할 수 있다. 프론트 엔드(1110)는 상기 음성 입력에 대응되는 응답을 송신할 수 있다.
일 실시 예에 따르면, 자연어 플랫폼(1120)은 자동 음성 인식 모듈(automatic speech recognition module)(ASR module)(1121), 자연어 이해 모듈(natural language understanding module)(NLU module)(1123), 플래너 모듈(planner module)(1125), 자연어 생성 모듈(natural language generator module)(NLG module)(1127) 또는 텍스트 음성 변환 모듈(text to speech module)(TTS module)(1129)를 포함할 수 있다.
일 실시 예의 자동 음성 인식 모듈(1121)은 사용자 단말(101)로부터 수신된 음성 입력을 텍스트 데이터로 변환할 수 있다. 일 실시 예의 자연어 이해 모듈(1123)은 음성 입력의 텍스트 데이터를 이용하여 사용자의 의도를 파악할 수 있다. 예를 들어, 자연어 이해 모듈(1123)은 문법적 분석(syntactic analyze) 또는 의미적 분석(semantic analyze)을 수행하여 사용자의 의도를 파악할 수 있다. 일 실시 예의 자연어 이해 모듈(1123)은 형태소 또는 구의 언어적 특징(예: 문법적 요소)을 이용하여 음성 입력으로부터 추출된 단어의 의미를 파악하고, 상기 파악된 단어의 의미를 의도에 매칭시켜 사용자의 의도를 결정할 수 있다.
일 실시 예의 플래너 모듈(1125)은 자연어 이해 모듈(1123)에서 결정된 의도 및 파라미터를 이용하여 플랜을 생성할 수 있다. 일 실시 예에 따르면, 플래너 모듈(1125)은 상기 결정된 의도에 기초하여 태스크를 수행하기 위해 필요한 복수의 도메인을 결정할 수 있다. 플래너 모듈(1125)은 상기 의도에 기초하여 결정된 복수의 도메인 각각에 포함된 복수의 동작을 결정할 수 있다. 일 실시 예에 따르면, 플래너 모듈(1125)은 상기 결정된 복수의 동작을 실행하는데 필요한 파라미터나, 상기 복수의 동작의 실행에 의해 출력되는 결과 값을 결정할 수 있다. 상기 파라미터, 및 상기 결과 값은 지정된 형식(또는, 클래스)의 컨셉으로 정의될 수 있다. 이에 따라, 플랜은 사용자의 의도에 의해 결정된 복수의 동작, 및 복수의 컨셉을 포함할 수 있다. 상기 플래너 모듈(1125)은 상기 복수의 동작, 및 상기 복수의 컨셉 사이의 관계를 단계적(또는, 계층적)으로 결정할 수 있다. 예를 들어, 플래너 모듈(1125)은 복수의 컨셉에 기초하여 사용자의 의도에 기초하여 결정된 복수의 동작의 실행 순서를 결정할 수 있다. 다시 말해, 플래너 모듈(1125)은 복수의 동작의 실행에 필요한 파라미터, 및 복수의 동작의 실행에 의해 출력되는 결과에 기초하여, 복수의 동작의 실행 순서를 결정할 수 있다. 이에 따라, 플래너 모듈(1125)는 복수의 동작, 및 복수의 컨셉 사이의 연관 정보(예: 온톨로지(ontology))가 포함된 플랜를 생성할 수 있다. 상기 플래너 모듈(1125)은 컨셉과 동작의 관계들의 집합이 저장된 캡슐 데이터베이스(1130)에 저장된 정보를 이용하여 플랜을 생성할 수 있다.
일 실시 예의 자연어 생성 모듈(1127)은 지정된 정보를 텍스트 형태로 변경할 수 있다. 상기 텍스트 형태로 변경된 정보는 자연어 발화의 형태일 수 있다. 일 실시 예의 텍스트 음성 변환 모듈(1129)은 텍스트 형태의 정보를 음성 형태의 정보로 변경할 수 있다.
일 실시 예에 따르면, 자연어 플랫폼(1120)의 기능의 일부 기능 또는 전체 기능은 사용자 단말(101)에서도 구현가능 할 수 있다.
상기 캡슐 데이터베이스(1130)는 복수의 도메인에 대응되는 복수의 컨셉과 동작들의 관계에 대한 정보를 저장할 수 있다. 일 실시예에 따른 캡슐은 플랜에 포함된 복수의 동작 오브젝트(action object 또는, 동작 정보) 및 컨셉 오브젝트(concept object 또는 컨셉 정보)를 포함할 수 있다. 일 실시 예에 따르면, 캡슐 데이터베이스(1130)는 CAN(concept action network)의 형태로 복수의 캡슐을 저장할 수 있다. 일 실시 예에 따르면, 복수의 캡슐은 캡슐 데이터베이스(1130)에 포함된 기능 저장소(function registry)에 저장될 수 있다.
상기 캡슐 데이터베이스(1130)는 음성 입력에 대응되는 플랜을 결정할 때 필요한 전략 정보가 저장된 전략 레지스트리(strategy registry)를 포함할 수 있다. 상기 전략 정보는 음성 입력에 대응되는 복수의 플랜이 있는 경우, 하나의 플랜을 결정하기 위한 기준 정보를 포함할 수 있다. 일 실시 예에 따르면, 캡슐 데이터베이스(1130)는 지정된 상황에서 사용자에게 후속 동작을 제안하기 위한 후속 동작의 정보가 저장된 후속 동작 레지스트리(follow up registry)를 포함할 수 있다. 상기 후속 동작은, 예를 들어, 후속 발화를 포함할 수 있다. 일 실시 예에 따르면, 캡슐 데이터베이스(1130)는 사용자 단말(101)을 통해 출력되는 정보의 레이아웃(layout) 정보를 저장하는 레이아웃 레지스트리(layout registry)를 포함할 수 있다. 일 실시 예에 따르면, 캡슐 데이터베이스(1130)는 캡슐 정보에 포함된 어휘(vocabulary) 정보가 저장된 어휘 레지스트리(vocabulary registry)를 포함할 수 있다. 일 실시 예에 따르면, 캡슐 데이터베이스(1130)는 사용자와의 대화(dialog)(또는, 인터렉션(interaction)) 정보가 저장된 대화 레지스트리(dialog registry)를 포함할 수 있다. 상기 캡슐 데이터베이스(1130)는 개발자 툴(developer tool)을 통해 저장된 오브젝트를 업데이트(update)할 수 있다. 상기 개발자 툴은, 예를 들어, 동작 오브젝트 또는 컨셉 오브젝트를 업데이트하기 위한 기능 에디터(function editor)를 포함할 수 있다. 상기 개발자 툴은 어휘를 업데이트하기 위한 어휘 에디터(vocabulary editor)를 포함할 수 있다. 상기 개발자 툴은 플랜을 결정하는 전략을 생성 및 등록 하는 전략 에디터(strategy editor)를 포함할 수 있다. 상기 개발자 툴은 사용자와의 대화를 생성하는 대화 에디터(dialog editor)를 포함할 수 있다. 상기 개발자 툴은 후속 목표를 활성화하고, 힌트를 제공하는 후속 발화를 편집할 수 있는 후속 동작 에디터(follow up editor)를 포함할 수 있다. 상기 후속 목표는 현재 설정된 목표, 사용자의 선호도 또는 환경 조건에 기초하여 결정될 수 있다. 일 실시 예에서는 캡슐 데이터베이스(1130) 은 사용자 단말(101) 내에도 구현이 가능할 수 있다.
일 실시 예의 실행 엔진(1140)은 상기 생성된 플랜을 이용하여 결과를 산출할 수 있다. 엔드 유저 인터페이스(1150)는 산출된 결과를 사용자 단말(101)로 송신할 수 있다. 이에 따라, 사용자 단말(101)은 상기 결과를 수신하고, 상기 수신된 결과를 사용자에게 제공할 수 있다. 일 실시 예의 매니지먼트 플랫폼(1160)은 지능형 서버(1100)에서 이용되는 정보를 관리할 수 있다. 일 실시 예의 빅 데이터 플랫폼(1170)은 사용자의 데이터를 수집할 수 있다. 일 실시 예의 분석 플랫폼(1180)을 지능형 서버(1100)의 QoS(quality of service)를 관리할 수 있다. 예를 들어, 분석 플랫폼(1180)은 지능형 서버(1100)의 구성 요소 및 처리 속도(또는, 효율성)를 관리할 수 있다.
일 실시 예의 서비스 서버(1191)는 사용자 단말(101)에 지정된 서비스(예: 음식 주문 또는 호텔 예약)를 제공할 수 있다. 일 실시 예에 따르면, 서비스 서버(1191)는 제3 자에 의해 운영되는 서버일 수 있다. 일 실시 예의 서비스 서버(1191)는 수신된 음성 입력에 대응되는 플랜을 생성하기 위한 정보를 지능형 서버(1100)에 제공할 수 있다. 상기 제공된 정보는 캡슐 데이터베이스(1130)에 저장될 수 있다. 또한, 서비스 서버(1191)는 플랜에 따른 결과 정보를 지능형 서버(1100)에 제공할 수 있다.
위에 기술된 통합 지능 시스템에서, 상기 사용자 단말(101)은, 사용자 입력에 응답하여 사용자에게 다양한 인텔리전트 서비스를 제공할 수 있다. 상기 사용자 입력은, 예를 들어, 물리적 버튼을 통한 입력, 터치 입력 또는 음성 입력을 포함할 수 있다.
일 실시 예에서, 상기 사용자 단말(101)은 내부에 저장된 지능형 앱(또는, 음성 인식 앱)을 통해 음성 인식 서비스를 제공할 수 있다. 이 경우, 예를 들어, 사용자 단말(101)은 상기 입력 모듈을 통해 수신된 사용자 발화(utterance) 또는 음성 입력(voice input)를 인식하고, 인식된 음성 입력에 대응되는 서비스를 사용자에게 제공할 수 있다.
일 실시 예에서, 사용자 단말(101)은 수신된 음성 입력에 기초하여, 단독으로 또는 상기 지능형 서버(1110) 및/또는 서비스 서버(1191)와 함께 지정된 동작을 수행할 수 있다. 예를 들어, 사용자 단말(101)은 수신된 음성 입력에 대응되는 앱을 실행시키고, 실행된 앱을 통해 지정된 동작을 수행할 수 있다.
일 실시 예에서, 사용자 단말(101)이 지능형 서버(1100) 및/또는 서비스 서버와 함께 서비스를 제공하는 경우에는, 상기 사용자 단말은, 상기 입력 모듈(150)를 이용하여 사용자 발화를 감지하고, 상기 감지된 사용자 발화에 대응되는 신호(또는, 음성 데이터)를 생성할 수 있다. 상기 사용자 단말은, 상기 음성 데이터를 인터페이스(177)를 이용하여 지능형 서버(1100)로 송신할 수 있다.
일 실시 예에 따른 지능형 서버(1100)는 사용자 단말(101)로부터 수신된 음성 입력에 대한 응답으로써, 음성 입력에 대응되는 태스크(task)를 수행하기 위한 플랜, 또는 상기 플랜에 따라 동작을 수행한 결과를 생성할 수 있다. 상기 플랜은, 예를 들어, 사용자의 음성 입력에 대응되는 태스크(task)를 수행하기 위한 복수의 동작, 및 상기 복수의 동작과 관련된 복수의 컨셉을 포함할 수 있다. 상기 컨셉은 상기 복수의 동작의 실행에 입력되는 파라미터나, 복수의 동작의 실행에 의해 출력되는 결과 값을 정의한 것일 수 있다. 상기 플랜은 복수의 동작, 및 복수의 컨셉 사이의 연관 정보를 포함할 수 있다.
일 실시 예의 사용자 단말(101)은, 인터페이스(177)를 이용하여 상기 응답을 수신할 수 있다. 사용자 단말(101)은 상기 음향 출력 모듈(155)를 이용하여 사용자 단말(101) 내부에서 생성된 음성 신호를 외부로 출력하거나, 디스플레이 모듈(160)를 이용하여 사용자 단말(101) 내부에서 생성된 이미지를 외부로 출력할 수 있다.
도 12는 다양한 실시 예에 따른, 컨셉과 동작의 관계 정보가 데이터베이스에 저장된 형태를 나타낸 도면이다.
상기 지능형 서버(1100)의 캡슐 데이터베이스(예: 캡슐 데이터베이스(1130))는 CAN(1200) (concept action network) 형태로 캡슐을 저장할 수 있다. 상기 캡슐 데이터베이스는 사용자의 음성 입력에 대응되는 태스크를 처리하기 위한 동작, 및 상기 동작을 위해 필요한 파라미터를 CAN(1200)(concept action network) 형태로 저장될 수 있다.
도 12를 참조하면, 상기 캡슐 데이터베이스는 복수의 도메인(예: 어플리케이션) 각각에 대응되는 복수의 캡슐(capsule(A)(1201), capsule(B)(1204)) 또는 적어도 하나의 서비스 제공자(예: CP 1(1202))를 저장할 수 있다. 일 실시 예에 따르면, 하나의 캡슐(예:capsule(A)(1201))은 하나의 도메인(예: 위치(geo), 어플리케이션)에 대응될 수 있다. 또한, 하나의 캡슐에는 캡슐과 관련된 도메인에 대한 기능을 수행하기 위한 적어도 하나의 서비스 제공자(예: CP 1(1202) 또는 CP 2 (1203))가 대응될 수 있다. 일 실시 예에 따르면, 하나의 캡슐은 지정된 기능을 수행하기 위한 적어도 하나 이상의 동작(1210) 및 적어도 하나 이상의 컨셉(1220)을 포함할 수 있다.
상기, 자연어 플랫폼(1120)은 캡슐 데이터베이스에 저장된 캡슐을 이용하여 수신된 음성 입력에 대응하는 태스크를 수행하기 위한 플랜을 생성할 수 있다. 예를 들어, 자연어 플랫폼(1120)의 플래너 모듈(1125)은 캡슐 데이터베이스에 저장된 캡슐을 이용하여 플랜을 생성할 수 있다. 예를 들어, 캡슐 A (1201)의 동작들(12011,12013) 과 컨셉들(12012,12014) 및 캡슐 B(1204)의 동작(12041) 과 컨셉(12042) 를 이용하여 플랜(1207) 을 생성할 수 있다.
도 13는 다양한 실시 예에 따른 사용자 단말이 지능형 앱을 통해 수신된 음성 입력을 처리하는 화면을 나타낸 도면이다.
사용자 단말(101)은 지능형 서버(1100)를 통해 사용자 입력을 처리하기 위해 지능형 앱을 실행할 수 있다.
일 실시 예에 따르면, 1310 화면에서, 사용자 단말(101)은 지정된 음성 입력(예: 웨이크 업!)를 인식하거나 하드웨어 키(예: 전용 하드웨어 키)를 통한 입력을 수신하면, 음성 입력을 처리하기 위한 지능형 앱을 실행할 수 있다. 사용자 단말(101)은, 예를 들어, 스케줄 앱을 실행한 상태에서 지능형 앱을 실행할 수 있다. 일 실시 예에 따르면, 사용자 단말(101)은 지능형 앱에 대응되는 오브젝트(예: 아이콘)(1311)를 디스플레이 모듈(160)에 표시할 수 있다. 일 실시 예에 따르면, 사용자 단말(101)은 사용자 발화에 의한 음성 입력을 수신할 수 있다. 예를 들어, 사용자 단말(101)은 “이번주 일정 알려줘!”라는 음성 입력을 수신할 수 있다. 일 실시 예에 따르면, 사용자 단말(101)은 수신된 음성 입력의 텍스트 데이터가 표시된 지능형 앱의 UI(user interface)(1313)(예: 입력창)를 디스플레이 모듈에 표시할 수 있다.
일 실시 예에 따르면, 1320 화면에서, 사용자 단말(101)은 수신된 음성 입력에 대응되는 결과를 디스플레이 모듈에 표시할 수 있다. 예를 들어, 사용자 단말(101)은 수신된 사용자 입력에 대응되는 플랜을 수신하고, 플랜에 따라 ‘이번주 일정’을 디스플레이 모듈에 표시할 수 있다.
다양한 실시예에 따른 전자 장치(101)에 있어서, 상기 전자 장치(101)의 외부로 정보를 제공하는 디스플레이 모듈(160), 상기 디스플레이 모듈(160)과 전기적으로 연결된 프로세서(120), 상기 프로세서(120)와 전기적으로 연결된 메모리(130)를 포함하고, 상기 프로세서(120)는, 사용자 발화에 대응하는 텍스트에 기초하여, 상기 텍스트의 피처 정보를 생성하고, 상기 텍스트의 피처 정보에 기초하여, 상기 사용자 발화를 처리하는 출력 도메인을 결정하고, 사용자에 의해 미리 결정되는 예상 도메인을 식별하고, 상기 메모리(130)로부터 상기 출력 도메인과 관련된 피처 정보들 및 상기 예상 도메인과 관련된 피처 정보들을 추출하고, 상기 디스플레이 모듈(160)을 이용하여, 상기 출력 도메인과 관련된 피처 정보들 및 상기 예상 도메인과 관련된 피처 정보들을 표시할 수 있다.
상기 프로세서(120)는, i) 상기 텍스트의 피처 정보와 상기 출력 도메인과 관련된 피처 정보들의 제1 유사도 및 ii) 상기 텍스트의 피처 정보와 상기 예상 도메인과 관련된 피처 정보들 간의 제2 유사도를 결정하고, 상기 디스플레이 모듈(160)을 이용하여, 상기 제1 유사도와 상기 제2 유사도를 표시할 수 있다.
상기 피처 정보는, 하나의 문장에 포함되는 단어들의 텍스트 정보, 분류 정보, 길이 정보 및 텍스트 정보 중 어느 하나 이상을 포함하고, 상기 프로세서(120)는, 상기 텍스트의 피처 정보에 포함된 분류 정보와 상기 출력 도메인과 관련된 피처 정보들에 포함되는 분류 정보들을 비교함으로써, 상기 제1 유사도를 결정할 수 있다.
상기 프로세서(120)는, 상기 출력 도메인과 관련된 피처 정보들에 포함되는 분류 정보들의 가중치를 결정하고, 상기 가중치를 고려하여, 상기 텍스트의 피처 정보에 포함된 분류 정보와 상기 출력 도메인과 관련된 피처 정보들에 포함된 분류 정보들을 비교함으로써, 상기 제1 유사도를 결정할 수 있다.
상기 피처 정보는, 하나의 문장에 포함되는 단어들의 텍스트 정보, 분류 정보, 길이 정보 및 텍스트 정보 중 어느 하나 이상을 포함하고, 상기 프로세서(120)는, 상기 텍스트의 피처 정보에 포함된 분류 정보와 상기 예상 도메인과 관련된 피처 정보들에 포함되는 분류 정보들을 비교함으로써, 상기 제2 유사도를 결정할 수 있다.
상기 프로세서(120)는, 상기 예상 도메인과 관련된 피처 정보들에 포함되는 분류 정보들의 가중치를 결정하고, 상기 가중치를 고려하여, 상기 텍스트의 피처 정보에 포함된 분류 정보와 상기 예상 도메인과 관련된 피처 정보들에 포함되는 분류 정보들을 비교함으로써, 상기 제2 유사도를 결정할 수 있다.
상기 프로세서(120)는, 상기 출력 도메인과 관련된 피처 정보들 중 상기 텍스트의 피처 정보와의 제1 유사도가 가장 높은 순으로 피처 정보를 상기 디스플레이 모듈(160)에 표시할 수 있다.
상기 프로세서(120)는, 상기 예상 도메인과 관련된 피처 정보들 중 상기 텍스트의 피처 정보와의 제1 유사도가 가장 높은 순으로 피처 정보를 상기 디스플레이 모듈(160)에 표시할 수 있다.
상기 프로세서(120)는, 상기 출력 도메인과 관련된 피처 정보들에 포함된 분류 정보들 중 가중치가 기준 보다 높은 분류 정보를 상기 디스플레이 모듈(160)에 표시할 수 있다.
상기 프로세서(120)는, 상기 예상 도메인과 관련된 피처 정보들에 포함된 분류 정보들 중 가중치가 기준 보다 높은 분류 정보를 상기 디스플레이 모듈(160)에 표시할 수 있다.
상기 프로세서(120)는, 상기 사용자 발화와 연관된 도메인을 결정하도록 트레이닝된 학습 모델에, 상기 텍스트의 피처 정보를 입력함으로써, 상기 출력 도메인을 결정할 수 있다.
상기 프로세서(120)는, 상기 텍스트를 복수의 토큰 정보로 구분하고, 상기 구분된 토큰 정보와 상기 메모리(130)에 미리 저장된 토큰 정보를 비교함으로써, 상기 텍스트의 피처 정보를 결정할 수 있다. 전자 장치(101).
다양한 실시예에 따른 전자 장치(101)에 있어서, 전자 장치(101)에 있어서, 상기 전자 장치(101)의 외부로 정보를 제공하는 디스플레이 모듈(160); 상기 디스플레이 모듈(160)과 전기적으로 연결된 프로세서(120); 상기 프로세서(120)와 전기적으로 연결된 메모리(130)를 포함하고, 상기 프로세서(120)는, 사용자 발화에 대응하는 텍스트에 기초하여, 상기 텍스트의 피처 정보를 생성하고, 상기 생성된 피처 정보에 기초하여, 상기 사용자 발화를 처리하는 출력 도메인을 결정하고, 상기 메모리(130)로부터 상기 출력 도메인과 관련된 피처 정보들을 추출하고, 상기 디스플레이 모듈(160)을 이용하여, 상기 출력 도메인과 관련된 피처 정보들을 표시할 수 있다.
상기 프로세서(120)는, 상기 텍스트의 피처 정보와 상기 출력 도메인과 관련된 피처 정보들의 유사도를 결정하고, 상기 디스플레이 모듈(160)을 이용하여, 상기 유사도를 표시할 수 있다.
상기 피처 정보는, 하나의 문장에 포함되는 단어들의 텍스트 정보, 분류 정보, 길이 정보 및 텍스트 정보 중 어느 하나 이상을 포함하고, 상기 프로세서(120)는, 상기 텍스트의 피처 정보에 포함된 분류 정보와 상기 출력 도메인과 관련된 피처 정보들에 포함되는 분류 정보들을 비교함으로써, 상기 유사도를 결정할 수 있다.
상기 프로세서(120)는, 상기 출력 도메인과 관련된 피처 정보들에 포함되는 분류 정보들의 가중치를 결정하고, 상기 가중치를 고려하여, 상기 텍스트의 피처 정보에 포함된 분류 정보와 상기 출력 도메인과 관련된 피처 정보들에 포함된 분류 정보들을 비교함으로써, 상기 유사도를 결정할 수 있다.
다양한 실시예에 따른 음성 인식 결과를 분석하는 방법은, 사용자 발화에 대응하는 텍스트에 기초하여, 상기 텍스트의 피처 정보를 생성하는 단계; 상기 텍스트의 피처 정보에 기초하여, 상기 사용자 발화를 처리하는 출력 도메인을 결정하는 단계; 사용자에 의해 미리 결정되는 예상 도메인을 식별하는 단계; 상기 출력 도메인과 관련된 피처 정보들 및 상기 예상 도메인과 관련된 피처 정보들을 추출하는 단계; 및 상기 출력 도메인과 관련된 피처 정보들 및 상기 예상 도메인과 관련된 피처 정보들을 표시하는 단계를 포함할 수 있다.
본 문서에 개시된 다양한 실시예들에 따른 전자 장치는 다양한 형태의 장치가 될 수 있다. 전자 장치는, 예를 들면, 휴대용 통신 장치(예: 스마트폰), 컴퓨터 장치, 휴대용 멀티미디어 장치, 휴대용 의료 기기, 카메라, 웨어러블 장치, 또는 가전 장치를 포함할 수 있다. 본 문서의 실시예에 따른 전자 장치는 전술한 기기들에 한정되지 않는다.
본 문서의 다양한 실시예들 및 이에 사용된 용어들은 본 문서에 기재된 기술적 특징들을 특정한 실시예들로 한정하려는 것이 아니며, 해당 실시예의 다양한 변경, 균등물, 또는 대체물을 포함하는 것으로 이해되어야 한다. 도면의 설명과 관련하여, 유사한 또는 관련된 구성요소에 대해서는 유사한 참조 부호가 사용될 수 있다. 아이템에 대응하는 명사의 단수 형은 관련된 문맥상 명백하게 다르게 지시하지 않는 한, 상기 아이템 한 개 또는 복수 개를 포함할 수 있다. 본 문서에서, "A 또는 B", "A 및 B 중 적어도 하나", "A 또는 B 중 적어도 하나", "A, B 또는 C", "A, B 및 C 중 적어도 하나", 및 "A, B, 또는 C 중 적어도 하나"와 같은 문구들 각각은 그 문구들 중 해당하는 문구에 함께 나열된 항목들 중 어느 하나, 또는 그들의 모든 가능한 조합을 포함할 수 있다. "제 1", "제 2", 또는 "첫째" 또는 "둘째"와 같은 용어들은 단순히 해당 구성요소를 다른 해당 구성요소와 구분하기 위해 사용될 수 있으며, 해당 구성요소들을 다른 측면(예: 중요성 또는 순서)에서 한정하지 않는다. 어떤(예: 제 1) 구성요소가 다른(예: 제 2) 구성요소에, "기능적으로" 또는 "통신적으로"라는 용어와 함께 또는 이런 용어 없이, "커플드" 또는 "커넥티드"라고 언급된 경우, 그것은 상기 어떤 구성요소가 상기 다른 구성요소에 직접적으로(예: 유선으로), 무선으로, 또는 제 3 구성요소를 통하여 연결될 수 있다는 것을 의미한다.
본 문서의 다양한 실시예들에서 사용된 용어 "모듈"은 하드웨어, 소프트웨어 또는 펌웨어로 구현된 유닛을 포함할 수 있으며, 예를 들면, 로직, 논리 블록, 부품, 또는 회로와 같은 용어와 상호 호환적으로 사용될 수 있다. 모듈은, 일체로 구성된 부품 또는 하나 또는 그 이상의 기능을 수행하는, 상기 부품의 최소 단위 또는 그 일부가 될 수 있다. 예를 들면, 일실시예에 따르면, 모듈은 ASIC(application-specific integrated circuit)의 형태로 구현될 수 있다.
본 문서의 다양한 실시예들은 기기(machine)(예: 전자 장치(101)) 의해 읽을 수 있는 저장 매체(storage medium)(예: 내장 메모리(136) 또는 외장 메모리(138))에 저장된 하나 이상의 명령어들을 포함하는 소프트웨어(예: 프로그램(140))로서 구현될 수 있다. 예를 들면, 기기(예: 전자 장치(101))의 프로세서(예: 프로세서(120))는, 저장 매체로부터 저장된 하나 이상의 명령어들 중 적어도 하나의 명령을 호출하고, 그것을 실행할 수 있다. 이것은 기기가 상기 호출된 적어도 하나의 명령어에 따라 적어도 하나의 기능을 수행하도록 운영되는 것을 가능하게 한다. 상기 하나 이상의 명령어들은 컴파일러에 의해 생성된 코드 또는 인터프리터에 의해 실행될 수 있는 코드를 포함할 수 있다. 기기로 읽을 수 있는 저장 매체는, 비일시적(non-transitory) 저장 매체의 형태로 제공될 수 있다. 여기서, ‘비일시적’은 저장 매체가 실재(tangible)하는 장치이고, 신호(signal)(예: 전자기파)를 포함하지 않는다는 것을 의미할 뿐이며, 이 용어는 데이터가 저장 매체에 반영구적으로 저장되는 경우와 임시적으로 저장되는 경우를 구분하지 않는다.
일실시예에 따르면, 본 문서에 개시된 다양한 실시예들에 따른 방법은 컴퓨터 프로그램 제품(computer program product)에 포함되어 제공될 수 있다. 컴퓨터 프로그램 제품은 상품으로서 판매자 및 구매자 간에 거래될 수 있다. 컴퓨터 프로그램 제품은 기기로 읽을 수 있는 저장 매체(예: compact disc read only memory(CD-ROM))의 형태로 배포되거나, 또는 어플리케이션 스토어(예: 플레이 스토어TM)를 통해 또는 두 개의 사용자 장치들(예: 스마트 폰들) 간에 직접, 온라인으로 배포(예: 다운로드 또는 업로드)될 수 있다. 온라인 배포의 경우에, 컴퓨터 프로그램 제품의 적어도 일부는 제조사의 서버, 어플리케이션 스토어의 서버, 또는 중계 서버의 메모리와 같은 기기로 읽을 수 있는 저장 매체에 적어도 일시 저장되거나, 임시적으로 생성될 수 있다.
다양한 실시예들에 따르면, 상기 기술한 구성요소들의 각각의 구성요소(예: 모듈 또는 프로그램)는 단수 또는 복수의 개체를 포함할 수 있으며, 복수의 개체 중 일부는 다른 구성요소에 분리 배치될 수도 있다. 다양한 실시예들에 따르면, 전술한 해당 구성요소들 중 하나 이상의 구성요소들 또는 동작들이 생략되거나, 또는 하나 이상의 다른 구성요소들 또는 동작들이 추가될 수 있다. 대체적으로 또는 추가적으로, 복수의 구성요소들(예: 모듈 또는 프로그램)은 하나의 구성요소로 통합될 수 있다. 이런 경우, 통합된 구성요소는 상기 복수의 구성요소들 각각의 구성요소의 하나 이상의 기능들을 상기 통합 이전에 상기 복수의 구성요소들 중 해당 구성요소에 의해 수행되는 것과 동일 또는 유사하게 수행할 수 있다. 다양한 실시예들에 따르면, 모듈, 프로그램 또는 다른 구성요소에 의해 수행되는 동작들은 순차적으로, 병렬적으로, 반복적으로, 또는 휴리스틱하게 실행되거나, 상기 동작들 중 하나 이상이 다른 순서로 실행되거나, 생략되거나, 또는 하나 이상의 다른 동작들이 추가될 수 있다.
본 개시 내용이 그의 다양한 실시양태를 참조하여 도시되고 설명되었지만, 첨부된 청구범위 및 그 균등물에 의해 정의된 바와 같은 본 개시 내용의 사상 및 범위를 벗어나지 않으면서 형태 및 세부사항의 다양한 변경이 이루어질 수 있다는 것이 당업자에 의해 이해될 것이다.

Claims (13)

  1. 전자 장치에 있어서,
    상기 전자 장치의 외부로 정보를 제공하는 디스플레이 모듈;
    상기 디스플레이 모듈과 전기적으로 연결된 프로세서; 및
    상기 프로세서와 전기적으로 연결된 메모리
    를 포함하고,
    상기 프로세서는,
    사용자 발화에 대응하는 텍스트에 기초하여, 상기 텍스트의 피처 정보를 생성하고,
    상기 텍스트의 피처 정보에 기초하여, 상기 사용자 발화를 처리하는 출력 도메인을 결정하고,
    사용자에 의해 미리 결정되는 예상 도메인을 식별하고,
    상기 메모리로부터 상기 출력 도메인과 관련된 피처 정보들 및 상기 예상 도메인과 관련된 피처 정보들을 추출하고,
    상기 디스플레이 모듈을 이용하여, 상기 출력 도메인과 관련된 피처 정보들 및 상기 예상 도메인과 관련된 피처 정보들을 표시하는,
    전자 장치.
  2. 제1항에 있어서,
    상기 프로세서는,
    i) 상기 텍스트의 피처 정보와 상기 출력 도메인과 관련된 피처 정보들의 제1 유사도 및 ii) 상기 텍스트의 피처 정보와 상기 예상 도메인과 관련된 피처 정보들 간의 제2 유사도를 결정하고, 상기 디스플레이 모듈을 이용하여, 상기 제1 유사도와 상기 제2 유사도를 표시하는, 전자 장치.
  3. 제2항에 있어서,
    상기 피처 정보는,
    하나의 문장에 포함되는 단어들의 텍스트 정보, 분류 정보, 길이 정보 및 이전 발화 정보 중 어느 하나 이상을 포함하고,
    상기 프로세서는,
    상기 텍스트의 피처 정보에 포함된 분류 정보와 상기 출력 도메인과 관련된 피처 정보들에 포함되는 분류 정보들을 비교함으로써, 상기 제1 유사도를 결정하는, 전자 장치.
  4. 제3항에 있어서,
    상기 프로세서는,
    상기 출력 도메인과 관련된 피처 정보들에 포함되는 분류 정보들의 가중치를 결정하고, 상기 가중치를 고려하여, 상기 텍스트의 피처 정보에 포함된 분류 정보와 상기 출력 도메인과 관련된 피처 정보들에 포함된 분류 정보들을 비교함으로써, 상기 제1 유사도를 결정하는, 전자 장치.
  5. 제2항에 있어서,
    상기 피처 정보는,
    하나의 문장에 포함되는 단어들의 텍스트 정보, 분류 정보, 길이 정보 및 이전 발화 정보 중 어느 하나 이상을 포함하고,
    상기 프로세서는,
    상기 텍스트의 피처 정보에 포함된 분류 정보와 상기 예상 도메인과 관련된 피처 정보들에 포함되는 분류 정보들을 비교함으로써, 상기 제2 유사도를 결정하는, 전자 장치.
  6. 제5항에 있어서,
    상기 프로세서는,
    상기 예상 도메인과 관련된 피처 정보들에 포함되는 분류 정보들의 가중치를 결정하고, 상기 가중치를 고려하여, 상기 텍스트의 피처 정보에 포함된 분류 정보와 상기 예상 도메인과 관련된 피처 정보들에 포함되는 분류 정보들을 비교함으로써, 상기 제2 유사도를 결정하는, 전자 장치.
  7. 제2항에 있어서,
    상기 프로세서는,
    상기 출력 도메인과 관련된 피처 정보들 중 상기 텍스트의 피처 정보와의 제1 유사도가 가장 높은 순으로 피처 정보를 상기 디스플레이 모듈에 표시하는, 전자 장치.
  8. 제2항에 있어서,
    상기 프로세서는,
    상기 예상 도메인과 관련된 피처 정보들 중 상기 텍스트의 피처 정보와의 제2 유사도가 가장 높은 순으로 피처 정보를 상기 디스플레이 모듈에 표시하는, 전자 장치.
  9. 제4항에 있어서,
    상기 프로세서는,
    상기 출력 도메인과 관련된 피처 정보들에 포함된 분류 정보들 중 가중치가 기준 보다 높은 분류 정보를 상기 디스플레이 모듈에 표시하는, 전자 장치.
  10. 제6항에 있어서,
    상기 프로세서는,
    상기 예상 도메인과 관련된 피처 정보들에 포함된 분류 정보들 중 가중치가 기준 보다 높은 분류 정보를 상기 디스플레이 모듈에 표시하는, 전자 장치.
  11. 제1항에 있어서,
    상기 프로세서는,
    상기 사용자 발화와 연관된 도메인을 결정하도록 트레이닝된 학습 모델에, 상기 텍스트의 피처 정보를 입력함으로써, 상기 출력 도메인을 결정하는, 전자 장치.
  12. 제1항에 있어서,
    상기 프로세서는,
    상기 텍스트를 복수의 토큰 정보로 구분하고, 상기 구분된 토큰 정보와 상기 메모리에 미리 저장된 토큰 정보를 비교함으로써, 상기 텍스트의 피처 정보를 결정하는, 전자 장치.
  13. 음성 인식 결과를 분석하는 방법에 있어서,
    사용자 발화에 대응하는 텍스트에 기초하여, 상기 텍스트의 피처 정보를 생성하는 단계;
    상기 텍스트의 피처 정보에 기초하여, 상기 사용자 발화를 처리하는 출력 도메인을 결정하는 단계;
    사용자에 의해 미리 결정되는 예상 도메인을 식별하는 단계;
    상기 출력 도메인과 관련된 피처 정보들 및 상기 예상 도메인과 관련된 피처 정보들을 추출하는 단계; 및
    상기 출력 도메인과 관련된 피처 정보들 및 상기 예상 도메인과 관련된 피처 정보들을 표시하는 단계
    를 포함하는, 음성 인식 결과를 분석하는 방법.
PCT/KR2022/000655 2021-02-19 2022-01-13 음성 인식 결과를 분석하는 전자 장치 및 방법 WO2022177165A1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
US17/745,328 US20220335946A1 (en) 2021-02-19 2022-05-16 Electronic device and method for analyzing speech recognition results

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR1020210022572A KR20220118754A (ko) 2021-02-19 2021-02-19 음성 인식 결과를 분석하는 전자 장치 및 방법
KR10-2021-0022572 2021-02-19

Related Child Applications (1)

Application Number Title Priority Date Filing Date
US17/745,328 Continuation US20220335946A1 (en) 2021-02-19 2022-05-16 Electronic device and method for analyzing speech recognition results

Publications (1)

Publication Number Publication Date
WO2022177165A1 true WO2022177165A1 (ko) 2022-08-25

Family

ID=82931414

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2022/000655 WO2022177165A1 (ko) 2021-02-19 2022-01-13 음성 인식 결과를 분석하는 전자 장치 및 방법

Country Status (3)

Country Link
US (1) US20220335946A1 (ko)
KR (1) KR20220118754A (ko)
WO (1) WO2022177165A1 (ko)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012037797A (ja) * 2010-08-10 2012-02-23 Nippon Telegr & Teleph Corp <Ntt> 対話学習装置、要約装置、対話学習方法、要約方法、プログラム
JP2013214016A (ja) * 2012-04-04 2013-10-17 Nippon Telegr & Teleph Corp <Ntt> 音響モデル性能評価装置とその方法とプログラム
JP2014085462A (ja) * 2012-10-23 2014-05-12 Nippon Telegr & Teleph Corp <Ntt> 言語モデル評価方法とその装置とプログラム
KR20180052347A (ko) * 2016-11-10 2018-05-18 삼성전자주식회사 음성 인식 장치 및 방법
WO2018134916A1 (ja) * 2017-01-18 2018-07-26 三菱電機株式会社 音声認識装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012037797A (ja) * 2010-08-10 2012-02-23 Nippon Telegr & Teleph Corp <Ntt> 対話学習装置、要約装置、対話学習方法、要約方法、プログラム
JP2013214016A (ja) * 2012-04-04 2013-10-17 Nippon Telegr & Teleph Corp <Ntt> 音響モデル性能評価装置とその方法とプログラム
JP2014085462A (ja) * 2012-10-23 2014-05-12 Nippon Telegr & Teleph Corp <Ntt> 言語モデル評価方法とその装置とプログラム
KR20180052347A (ko) * 2016-11-10 2018-05-18 삼성전자주식회사 음성 인식 장치 및 방법
WO2018134916A1 (ja) * 2017-01-18 2018-07-26 三菱電機株式会社 音声認識装置

Also Published As

Publication number Publication date
US20220335946A1 (en) 2022-10-20
KR20220118754A (ko) 2022-08-26

Similar Documents

Publication Publication Date Title
WO2022019538A1 (ko) 언어 모델 및 이를 포함하는 전자 장치
WO2022010157A1 (ko) 인공지능 가상 비서 서비스에서의 화면 제공 방법 및 이를 지원하는 사용자 단말 장치 및 서버
WO2020180000A1 (ko) 음성 인식 모델에서 사용되는 언어를 확장시키는 방법 및 음성 인식 모델을 포함하는 전자 장치
WO2022191395A1 (ko) 사용자 명령을 처리하는 장치 및 그 동작 방법
WO2022139420A1 (ko) 전자 장치 및 그의 연속성을 가지는 사용자 입력에 대한 실행 정보를 공유하는 방법
WO2022092796A1 (ko) 전자 장치 및 전자 장치의 음성 인식 수행 방법
WO2022177224A1 (ko) 전자 장치 및 전자 장치의 동작 방법
WO2022131566A1 (ko) 전자 장치 및 전자 장치의 동작 방법
WO2022092901A1 (ko) 사용자 발화를 처리하는 전자 장치, 및 그 전자 장치의 제어 방법
WO2022177165A1 (ko) 음성 인식 결과를 분석하는 전자 장치 및 방법
WO2020171545A1 (en) Electronic device and system for processing user input and method thereof
WO2024029850A1 (ko) 언어 모델에 기초하여 사용자 발화를 처리하는 방법 및 전자 장치
WO2023158076A1 (ko) 전자 장치 및 전자 장치의 발화 처리 방법
WO2023022381A1 (ko) 전자 장치 및 전자 장치의 발화 처리 방법
WO2022177164A1 (ko) 온디바이스 인공지능 서비스를 제공하는 전자 장치 및 방법
WO2022191425A1 (ko) 다이얼로그 텍스트에 시각적 효과를 적용하는 전자 장치 및 이의 제어 방법
WO2023008798A1 (ko) 부적절한 대답을 관리하는 전자 장치 및 이의 동작 방법
WO2022196994A1 (ko) 개인화 텍스트 투 스피치 모듈을 포함하는 전자 장치 및 이의 제어 방법
WO2023048379A1 (ko) 사용자 발화를 처리하는 서버, 전자 장치 및 그의 동작 방법
WO2022182038A1 (ko) 음성 명령 처리 장치 및 방법
WO2023017975A1 (ko) 상태 변경에 따라 음성 명령 처리 결과를 출력하는 전자 장치 및 그의 동작 방법
WO2023043025A1 (ko) 불완전 연속 발화를 처리하는 방법 및 그 방법을 수행하는 서버 및 전자 장치
WO2023177079A1 (ko) 합성 벡터에 기반하여 사용자 발화를 처리하는 서버, 전자 장치, 및 이의 동작 방법
WO2022010158A1 (ko) 전자 장치 및 전자 장치의 동작 방법
WO2024106913A1 (ko) 발화를 처리하기 위한 전자 장치, 그 동작 방법 및 저장 매체

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 22756370

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 22756370

Country of ref document: EP

Kind code of ref document: A1